Estadística y muestreo

Lhuiz Hernandez

Estadística y muestreo

Décima tercera edición Estadística y muestreo Ciro Martínez Bencardino www.FreeLibros.org ECOE EDICIONES CIRO MARTINEZ BENCARDINO Nacido en Convención (Norte de Santander - Colombia). Economista de la Universidad Jorge Tadeo Lozano de Bogotá, D.C. Bio-estadística (Universidad de los Andes, Bogotá, D.C.). Técnicas Estadísticas (CIENES-Santiago de Chile) y Estadística Laboral (Universidad de Río Piedras y Negociado Laboral de Puerto Rico). Vinculado a la enseñanza de la Estadística en un gran número de instituciones universitarias de Bogotá. Durante muchos años ha trabajado en el campo de la estadística, ocupando diferentes cargos gubernamentales. Entre sus publicaciones destacamos: Estadística comercial; Muestreo, algunos métodos y sus aplicaciones prácticas; Estadística Básica Aplicada; libros editados por Ecoe Ediciones. www.FreeLibros.org www.FreeLibros.org www.FreeLibros.org Décima tercera edición Estadística y muestreo Ciro Martínez Bencardino www.FreeLibros.org Catalogación en la publicación – Biblioteca Nacional de Colombia Martínez Bencardino, Ciro Estadística y muestreo / Ciro Martínez Bencardino. -- 13ª. ed. -- Bogotá : Ecoe Ediciones, 2012. 900 p. – (Ciencias exactas. Matemáticas) ISBN 978-958-648-702-3 1. Estadística matemática 2. Muestreo (Estadística) I. Título II. Serie CDD: 519.52 ed. 20 CO-BoBN– a746986 Colección: Textos universitarios Área: Matemáticas Primera edición: Bogotá, D.E., noviembre de 1978 Segunda edición: Bogotá, D.E., enero de 1982 Tercera edición: Bogotá, D.E., enero de 1984 Cuarta edición: Bogotá, D.E., julio de 1987 Quinta edición: Bogotá, D.E., agosto de 1990 Sexta edición: Santa Fe de Bogotá, D.C., julio de 1992 Séptima edición: Santa Fe de Bogotá, D.C., enero de 1995 Octava edición: Santa Fe de Bogotá, D.C., febrero de 1997 Novena edición: Santa Fe de Bogotá, D.C., febrero de 1998 Reimpresión: Santa Fe de Bogotá, D.C., abril de 1999 Décima edición: Bogotá, D.C., octubre de 2000 Onceava edición: Bogotá, D.C., enero de 2002 Reimpresión: Bogotá, D.C., septiembre de 2003 Décimo segunda edición: Bogotá, D.C., septiembre de 2005 Reimpresión: Bogotá, D.C., enero de 2007 Décima tercera edición: Bogotá, D.C., 2012 ISBN:978-958-648-702-3 © © © Ciro Martínez Bencardino e-mail: cimarben@yahoo.es Del contenido del SIL, Ciro Martínez Bencardino ECOE ediciones Ltda. E-mail: correo@ecoeediciones.com www.ecoeediciones.com Carrera 19 No. 63C-32, Tel. 2481449 Coordinación editorial: Alexander Acosta Quintero Diagramación: Raúl Enrique Rodríguez Portada: Edwin Nelson Penagos Impresión: Imagen Editorial Impresores imagenimvega@yahoo.com www.FreeLibros.org Impreso y hecho en Colombia A mis padres, hermanos, esposa, hijos y nietos, por ellos vivo, investigo y trabajo. Como un homenaje póstumo a la memoria del doctor Carlos Alzate Giraldo, fundador de ECOE. www.FreeLibros.org www.FreeLibros.org TABLA DE CONTENIDO VII ÍNDICE GENERAL PRESENTACIÓN XIX CAPÍTULO 1 CONCEPTOS GENERALES ........................................................................................................... 1 ASPECTOS GENERALES ....................................................................................................................................... 2 Reseña histórica ............................................................................................................................................... 2 Aplicación de la estadística ......................................................................................................................... 2 Finalidad de la estadística ............................................................................................................................ 4 Colectivos investigados por la estadística ............................................................................................. 5 Algunos términos y conceptos que se deben conocer y manejar ............................................7 LA PROYECCIÓN Y PREPARACIÓN DE INVESTIGACIONES ESTADÍSTICAS ...................................10 Planeamiento y preparación de una investigación de tipo estadístico ...................................10 El objeto de la investigación...............................................................................................................11 Las fuentes de información ..................................................................................................................15 Los procedimientos de investigación ................................................................................................17 El material estadístico............................................................................................................................23 El presupuesto de la investigación ....................................................................................................26 Recolección......................................................................................................................................................28 ....................................................................................................................................29 Tabulaciones o procesamiento ................................................................................................................30 Análisis e interpretación .............................................................................................................................30 Publicación ......................................................................................................................................................32 MONOGRAFÍAS Y ENCUESTAS ......................................................................................................................33 Ejercicios para resolver .................................................................................................................................35 SÍNTESIS DE CAPÍTULO ...............................................................................................................................39 CAPÍTULO 2 DISTRIBUCIONES DE FRECUENCIAS ............................................................................................................. 43 GENERALIDADES .................................................................................................................................................44 ELABORACIÓN DE TABLA DE FRECUENCIAS ...........................................................................................45 Variables discretas, continuas y de atributos ....................................................................................45 Propiedades de las frecuencias ...............................................................................................................51 Ejercicios para resolver .................................................................................................................................54 Recomendaciones en la elaboración de cuadros y tablas ............................................................58 ELABORACIÓN DE GRÁFICAS ........................................................................................................................59 www.FreeLibros.org VIII CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO ................................................................60 Ejercicios para resolver ................................................................................................................................63 APLICACIONES DE EXCEL.................................................................................................................................64 .........................................................................68 Ejercicios para resolver .................................................................................................................................85 SÍNTESIS DE CAPÍTULO ...............................................................................................................................88 CAPÍTULO 3 MEDIDAS DE POSICIÓN Y DE TENDENCIA ............................................................................ 91 ASPECTOS GENERALES .....................................................................................................................................92 Características, uso, ventajas y desventajas de promedios ..........................................................92 Media aritmética ...............................................................................................................93 Ventajas y desventajas ..........................................................................................................................93 Simple y ponderada ...............................................................................................................................94 Desviaciones y propiedades .................................................................................................................97 Ejercicios para resolver ................................................................................................................................99 Mediana ......................................................................................................................................................... 103 Ventajas y desventajas ........................................................................................................................103 Simple y ponderada .............................................................................................................................104 Propiedades.............................................................................................................................................104 Modo .............................................................................................................................................................. 107 Ventajas y desventajas ........................................................................................................................107 Simple y ponderada .............................................................................................................................107 Datos sin agrupar u originales .........................................................................................................107 Relación entre la Media, Mediana y el Modo. .............................................................................109 Ejercicios para resolver ..............................................................................................................................110 Media Geométrica ..................................................................................................................................... 112 Ventajas y desventajas ........................................................................................................................112 Simple y ponderada .............................................................................................................................112 Aplicaciones ............................................................................................................................................113 Media Armónica ....................................................................................................................................... 114 Ventajas y desventajas ........................................................................................................................115 Simple y ponderada .............................................................................................................................115 Aplicaciones ............................................................................................................................................116 Ejercicios para resolver ..............................................................................................................................117 Media Cuadrática ....................................................................................................................................... 118 Ventajas y desventajas ........................................................................................................................119 Simple y ponderada .............................................................................................................................119 Media Cúbica ............................................................................................................................................... 119 Simple y ponderada .............................................................................................................................120 Relación entre promedios ....................................................................................................................... 121 Centro Recorrido ........................................................................................................................................ 121 Cuartiles, Deciles y Percentiles .............................................................................................................. 122 Ejercicios para resolver ..............................................................................................................................124 SÍNTESIS DE CAPÍTULO .................................................................................................................................. 128 www.FreeLibros.org TABLA DE CONTENIDO IX ANEXOS DE LA UNIDAD 3............................................................................................................................ 130 Aplicaciones con calculadora ................................................................................................................ 130 APLICACIONES DE EXCEL.............................................................................................................................. 131 CAPÍTULO 4 MEDIDAS DE DISPERSIÓN, DE DEFORMACIÓN Y APUNTAMIENTO ................................ 143 CONCEPTOS GENERALES .............................................................................................................................. 144 MEDIDAS DE DISPERSIÓN ............................................................................................................................ 144 .......................................................................................................................................................... 144 Simple y ponderada .............................................................................................................................145 Propiedades.............................................................................................................................................147 Aplicaciones ............................................................................................................................................147 Desviación Típica ........................................................................................................................................ 149 APLICACIONES DE EXCEL Y LA CALCULADORA .................................................................................. 150 Ejercicios para resolver ..............................................................................................................................152 Variación Absoluta .................................................................................................................................... 154 .......................................................................................................................... 154 ............................................................................................................ 155 Desviación Media ....................................................................................................................................... 157 Desviación Mediana ................................................................................................................................. 158 Ejercicios para resolver ..............................................................................................................................159 ! " #$ #$ ............ 163 Recorrido u Oscilación ............................................................................................................................. 166 MEDIDAS DE ASIMETRÍA O DE DEFORMACIÓN ................................................................................ 167 Ejercicios para resolver .............................................................................................................................. 169 MEDIDAS DE APUNTAMIENTO ................................................................................................................... 170 Ejercicios para resolver ..............................................................................................................................172 SÍNTESIS DE CAPÍTULO .................................................................................................................................. 176 CAPÍTULO 5 NOCIONES ELEMENTALES DE PROBABILIDAD ................................................................... 177 GENERALIDADES .............................................................................................................................................. 178 # " % ............................................................................ 180 Ejercicios para resolver .............................................................................................................................. 184 PERMUTACIONES Y COMBINACIONES ................................................................................................... 188 Uso de la calculadora ............................................................................................................................... 192 Ejercicios para resolver .............................................................................................................................. 193 ALGUNAS REGLAS BÁSICAS DE PROBABILIDAD ................................................................................. 196 Regla de adición ......................................................................................................................................... 196 Sucesos mutuamente excluyentes ................................................................................................... 196 Regla de la multiplicación ....................................................................................................................... 201 Sucesos independientes y dependientes ....................................................................................... 201 Ejercicios para resolver .............................................................................................................................. 204 Probabilidad condicional ........................................................................................................................ 207 www.FreeLibros.org X CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO TEOREMA DE BAYES ...................................................................................................................................... 209 Ejercicios para resolver .............................................................................................................................. 211 SÍNTESIS DE CAPÍTULO .................................................................................................................................. 215 CAPÍTULO 6 DISTRIBUCIONES DE PROBABILIDAD .................................................................................. 217 CONCEPTOS GENERALES .............................................................................................................................. 218 VARIABLE ALEATORIA DISCRETA................................................................................................................ 219 Distribución Binomial ............................................................................................................................... 219 ................................................................................................ 222 APLICACIÓN CON LA CALCULADORA Y EXCEL ................................................................................... 225 Ejercicios para resolver .............................................................................................................................. 230 Distribución de Poisson ........................................................................................................................... 235 ................................................................................................ 236 APLICACIÓN CON LA CALCULADORA Y EXCEL ................................................................................... 237 Ejercicios para resolver .............................................................................................................................. 241 Distribución Hipergeométrica ............................................................................................................... 243 ................................................................................................ 244 Ejercicios para resolver .............................................................................................................................. 246 VARIABLE ALEATORIA CONTINUA ............................................................................................................. 247 Distribución normal................................................................................................................................... 247 ........................................................................................................................ 248 Condiciones que debe tener en cuenta ......................................................................................... 249 ......................................................................................................... 249 APLICACIÓN DE EXCEL .................................................................................................................................. 253 Ejercicios para resolver.................................................................................................................................... 257 SÍNTESIS DE CAPÍTULO .................................................................................................................................. 271 CAPÍTULO 7 DISTRIBUCIONES MUESTRALES. MUESTREO ALEATORIO ................................................. 273 CONCEPTOS GENERALES .............................................................................................................................. 274 DISTRIBUCIONES MUESTRALES ................................................................................................................. 277 ................................................................................................ 277 Distribución de medias muestrales ..................................................................................................... 278 Ejercicios para resolver .............................................................................................................................. 284 Distribución de diferencia entre dos medias muestrales ........................................................... 293 Ejercicios para resolver .............................................................................................................................. 297 Distribución de diferencias entre dos proporciones .................................................................... 299 Ejercicios para resolver .............................................................................................................................. 302 TAMAÑO DE LA MUESTRA........................................................................................................................... 303 Ejercicios para resolver .............................................................................................................................. 309 SÍNTESIS DE CAPÍTULO ............................................................................................................................ 320 www.FreeLibros.org TABLA DE CONTENIDO XI CAPÍTULO 8 PRUEBAS DE HIPÓTESIS Y LÍMITES DE CONFIANZA ...................................................... 323 CONCEPTOS GENERALES .............................................................................................................................. 324 PRUEBA DE HIPÓTESIS ................................................................................................................................... 324 Tipo de error ........................................................................................................................................... 326 Hipótesis nula y alternativa .............................................................................................................. 327 Prueba unilateral y bilateral ............................................................................................................. 328 ......................................................................................... 328 Etapas de la realización de la prueba............................................................................................ 329 Distribución de medias muestrales ..................................................................................................... 332 Ejercicios para resolver .............................................................................................................................. 336 Distribución en una proporción ........................................................................................................... 339 Ejercicios para resolver .............................................................................................................................. 341 Distribución de diferencias entre dos medias ............................................................................... 343 Ejercicios para resolver .............................................................................................................................. 345 Distribución de diferencias entre dos proporciones................................................................. 347 Ejercicios para resolver .............................................................................................................................. 349 TEORÍA SOBRE MUESTRAS PEQUEÑAS .................................................................................................. 351 Distribución “t” de student ..................................................................................................................... 351 Distribución de medias muestrales ..................................................................................................... 352 Ejercicios para resolver .............................................................................................................................. 357 Distribución en una proporción muestral ........................................................................................ 358 Ejercicios para resolver .............................................................................................................................. 359 Distribución de diferencias entre dos medias ................................................................................ 360 Ejercicios para resolver .............................................................................................................................. 365 Distribución de diferencias entre dos proporciones .................................................................... 368 Ejercicios para resolver .............................................................................................................................. 369 APLICACIÓN CON EXCEL .............................................................................................................................. 369 LÍMITES DE CONFIANZA ............................................................................................................................... 380 Aplicación en las diferentes distribuciones .................................................................................... 381 Ejercicios para resolver .............................................................................................................................. 392 APLICACIÓN CON EXCEL .............................................................................................................................. 395 SÍNTESIS DE CAPÍTULO .................................................................................................................................. 401 CAPÍTULO 9 OTRAS PRUEBAS DE HIPÓTESIS ............................................................................................ 403 ASPECTOS GENERALES ................................................................................................................................. 404 PRUEBA DE HIPÓTESIS DE UNA VARIANZA .......................................................................................... 404 Teoría, aplicaciones y procedimientos ........................................................................................... 404 % $ ................................................... 408 Ejercicios para resolver ........................................................................................................................ 410 COMPARACIÓN ENTRE VARIANZAS DE DOS POBLACIONES ........................................................ 410 Distribución F ............................................................................................................................................. 410 ............................................................................................................................ 413 www.FreeLibros.org XII CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO Ejercicios para resolver .............................................................................................................................. 414 PRUEBA DEL COEFICIENTE DE CORRELACIÓN DE PEARSON......................................................... 414 Ejercicios para resolver .............................................................................................................................. 418 PRUEBAS CON OBSERVACIONES APAREADAS .................................................................................... 419 Ejercicios para resolver .............................................................................................................................. 423 PRUEBAS NO PARAMÉTRICAS .................................................................................................................... 427 Prueba de chi-cuadrado .......................................................................................................................... 427 Tablas de contingencia............................................................................................................................. 431 Dócimas de homogeneidad y de independencia ........................................................................ 434 APLICACIONES CON EXCEL ......................................................................................................................... 436 Ejercicios para resolver .............................................................................................................................. 441 Dócima o pruebas del signo ................................................................................................................ 450 Ejercicios para resolver .............................................................................................................................. 455 Correlación por rangos ............................................................................................................................ 460 Prueba T de Wilcoxon ............................................................................................................................. 462 Muestras Pequeñas ..................................................................................................................... 462 Muestra Grande ................................................................................................................................... 464 Prueba U de Mann-Whitney .................................................................................................................. 466 Muestras Grandes ......................................................................................................................... 466 Muestras Pequeñas ...................................................................................................................... 468 Muestras Muy Pequeñas .................................................................................................................. 469 Prueba H de Kruskal y Wallis ................................................................................................................ 470 Teoría y aplicaciones.................................................................................................................... 471 Ejercicios para resolver .............................................................................................................................. 472 SÍNTESIS DE CAPÍTULO .................................................................................................................................. 477 CAPÍTULO 10 NÚMEROS ÍNDICES ................................................................................................................ 479 GENERALIDADES .............................................................................................................................................. 480 ÍNDICES SIMPLES ............................................................................................................................................. 480 Encadenamiento de índices ................................................................................................................... 482 ÍNDICES AGREGATIVOS SIMPLES............................................................................................................... 483 ÍNDICES PONDERADOS DE PRECIOS Y CANTIDAD ........................................................................... 484 Índice de Laspeyres, Paasche, Fisher .................................................................................................. 484 Índice de Sidgwick-Drobisch, Marshall-Edgeworth ...................................................................... 485 Índice de Walsh, Keynes ......................................................................................................................... 486 ÍNDICES DE PROMEDIOS PONDERADOS ............................................................................................... 487 Ejercicios para resolver .............................................................................................................................. 488 ÍNDICE DE VALOR ............................................................................................................................................ 493 Ejercicios para resolver .............................................................................................................................. 493 EMPALME DE DOS O MÁS SERIES............................................................................................................. 494 Ejercicios para resolver .............................................................................................................................. 495 ALGUNAS APLICACIONES DE LOS NÚMEROS ÍNDICES.................................................................... 496 Índice de precios al consumidor (IPC) ............................................................................................... 496 Tasa de cambio (TC) ................................................................................................................................. 500 www.FreeLibros.org TABLA DE CONTENIDO XIII Ejercicios para resolver .............................................................................................................................. 500 Índices de comercio exterior ................................................................................................................. 504 Ejercicios para resolver .............................................................................................................................. 505 Índices de precios implícitos.................................................................................................................. 505 Índice de productividad (IP) ................................................................................................................... 508 Ejercicios para resolver .............................................................................................................................. 509 Índice precios del productor (IPP)..................................................................................................... 510 Índice bursátil mundial Dow Jones ..................................................................................................... 511 Indicadores de desempleo ..................................................................................................................... 511 Otros indicadores (OI) ............................................................................................................................. 512 Ejercicios para resolver .............................................................................................................................. 513 SÍNTESIS DE CAPÍTULO .................................................................................................................................. 517 CAPÍTULO 11 SERIES CRONOLÓGICAS ......................................................................................................... 519 GENERALIDADES .............................................................................................................................................. 520 COMPONENTES DE UNA SERIE TEMPORAL.......................................................................................... 520 TENDENCIA ........................................................................................................................................................ 521 Método analítico ........................................................................................................................................ 521 Método de mínimos cuadrados ........................................................................................................... 521 Cálculo, aplicaciones, estimativos. .................................................................................................. 521 ........................................................................ 524 ........................................................................................................................ 526 APLICACIÓN DE EXCEL .................................................................................................................................. 527 Ejercicios para resolver .............................................................................................................................. 529 Estimaciones mensuales con base en datos anuales ............................................................... 533 Ejercicios para resolver .............................................................................................................................. 536 Método de los semipromedios ............................................................................................................ 536 Ejercicios para resolver .............................................................................................................................. 537 Método de los promedios móviles ..................................................................................................... 538 APLICACIÓN DE EXCEL ................................................................................................................................. 541 Tendencia parabólica ................................................................................................................................ 543 Cálculo, aplicaciones, estimativos. .................................................................................................. 543 ........................................................................ 546 Ejercicios para resolver .............................................................................................................................. 547 Tendencia exponencial ............................................................................................................................. 549 Cálculo, aplicaciones, estimativos ................................................................................................... 549 ........................................................................ 551 Ejercicios para resolver .............................................................................................................................. 553 OTROS MÉTODOS............................................................................................................................................ 555 Curva exponencial, curva logística y de ................................................................555 &' * ............................................................................................. 555 Ejercicios para resolver .............................................................................................................................. 556 Variaciones estacionales .......................................................................................................................... 558 ÍNDICE ESTACIONAL ..................................................................................................................................... 559 www.FreeLibros.org XIV CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO MÉTODO DE RAZÓN ...................................................................................................................................... 559 MÉTODO DE LAS RAZONES AL PROMEDIO MÓVIL .......................................................................... 562 Ejercicios para resolver .............................................................................................................................. 566 SÍNTESIS DE CAPÍTULO ............................................................................................................................ 567 CAPÍTULO 12 REGRESIÓN Y CORRELACIÓN ................................................................................................ 569 ASPECTOS GENERALES .................................................................................................................................. 570 REGRESIÓN Y CORRELACIÓN ..................................................................................................................... 570 APLICACIÓN DE EXCEL .................................................................................................................................. 573 Diagrama de dispersión .......................................................................................................................... 575 REGRESIÓN Y CORRELACIÓN LÍNEAL...................................................................................................... 578 Método de los mínimos cuadrados ................................................................................................. 580 Ecuación de la recta, cálculo de los parámetros, estimaciones ............................................ 580 !" # ......................................................... 581 " " # .................................................... 581 APLICACIÓN DE EXCEL .................................................................................................................................. 582 % * ........................................................................ 593 Estimativos de x en función de y viceversa ...................................................................................... 595 Uso de la calculadora ............................................................................................................................... 597 Ejercicios para resolver .............................................................................................................................. 602 REGRESIÓN PARABÓLICA SIMPLE ............................................................................................................. 622 $% " "............................................ 622 & !" ' " " " # " .............................................................................................................................. 627 REGRESIÓN PARABÓLICA PONDERADA ................................................................................................. 630 Ejercicios para resolver .............................................................................................................................. 633 REGRESIÓN EXPONENCIAL Y LOGARÍTMICA ....................................................................................... 634 $% " "............................................ 634 & !" ' " " " # ............................................................................................................................... 636 REGRESIÓN Y CORRELACIÓN MÚLTIPLE ................................................................................................ 637 Método de los mínimos cuadrados ................................................................................................. 640 Método de Jordan-Gauss ................................................................................................................... 643 Ejercicios para resolver .............................................................................................................................. 645 COEFICIENTE DE CORRELACIÓN POR RANGOS .................................................................................. 647 Ejercicios para resolver .............................................................................................................................. 649 SÍNTESIS DE CAPÍTULO .................................................................................................................................. 655 CAPÍTULO 13 ALGUNOS MÉTODOS DE MUESTREO ................................................................................... 657 www.FreeLibros.org GENERALIDADES ............................................................................................................................................. 658 Población o universo ............................................................................................................................... 658 TABLA DE CONTENIDO Unidad y elemento ................................................................................................................................... 658 % ....................................................................................................................... 660 Características ............................................................................................................................................ 661 Investigación total y parcial .................................................................................................................. 661 MUESTREO NO ALEATORIO ........................................................................................................................ 663 Muestreo opinático, circunstancial, por cuotas, a juicio.......................................................... 663 MUESTREO ALEATORIO ................................................................................................................................ 663 Marco .............................................................................................................................................................. 666 Falseamiento del esquema de selección ......................................................................................... 666 Sustitución de unidades ......................................................................................................................... 667 Dominio de estudio ................................................................................................................................. 668 Métodos de selección ............................................................................................................................. 668 APLICACIÓN DE EXCEL Y CALCULADORA EN NÚMEROS................................................................ 670 Objeto del muestreo aleatorio .............................................................................................................. 677 Ejercicios para resolver ............................................................................................................................ 680 APLICACIÓN DE MÉTODOS Y TÉCNICAS DE MUESTREO ......................................................... 687 Muestreo aleatorio simple (M.A.S) ..................................................................................................... 687 Tamaño de la muestra ....................................................................................................................... 687 Cálculo de algunos estimativos ...................................................................................................... 691 Estimación de promedios y totales .................................................................................................... 693 Estimación de proporciones y totales ............................................................................................... 696 Estimación de proporciones y totales en conglomerados ....................................................... 697 $ ' ...... 698 Estimación de promedios y totales mediante la regresión ..................................................... 699 Estimación de promedios, proporciones y totales en dominio de estudio ....................... 703 Ejercicios para resolver .............................................................................................................................. 708 MUESTREO ALEATORIO ESTRATIFICADO MAE ..................................................................................... 718 Asignación igual ......................................................................................................................................... 721 Cálculo de los tamaños muestrales .............................................................................................. 722 ( ............................................................................... 725 Muestra asignación igual ........................................................................................................................ 726 Estimación de promedios y totales ................................................................................................ 727 Estimación de una proporción y total .......................................................................................... 730 Estimación para la razón, promedio y el total .......................................................................... 731 Estimación de promedios y totales mediante la regresión lineal simple ............................ 735 Estimación de una proporción y el total en conglomerados .................................................... 738 Ejercicios para resolver .............................................................................................................................. 740 Asignación proporcional ........................................................................................................................ 744 Tamaño de la muestra ....................................................................................................................... 745 Encuesta preliminar – Asignación proporcional ....................................................................... 746 Muestra de asignación proporcional.............................................................................................. 748 Estimación de promedios y totales ................................................................................................ 749 Estimación de proporciones y totales ........................................................................................... 750 Estimación de proporciones y totales en conglomerados ..................................................... 750 Estimación indirecta del promedio y el total a través del método de la razón ............. 751 Estimación indirecta del promedio y total mediante la regresión lineal ......................... 753 XV www.FreeLibros.org XVI CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO Asignación óptima ................................................................................................................................... 757 Tamaño de la Muestra ....................................................................................................................... 757 MÉTODO DE NEYMAN ................................................................................................................................. 763 Ejercicios para resolver .............................................................................................................................. 764 MUESTREO SISTEMÁTICO ........................................................................................................................... 773 MUESTREO POR CONGLOMERADOS ..................................................................................................... 777 MUESTREO BIETÁPICO .................................................................................................................................. 783 MUESTREO POR CONGLOMERADOS DE DOS ETAPAS .................................................................... 784 Ejercicios para resolver .............................................................................................................................. 789 MUESTREO POR FASES MÚLTIPLES ......................................................................................................... 791 MÉTODOS MIXTOS ........................................................................................................................................ 792 APÉNDICE................................................................................................................................ 793 GLOSARIO ........................................................................................................................................................... 794 TABLAS ................................................................................................................................................................. 817 RESUMEN DE FÓRMULAS ............................................................................................................................ 865 BIBLIOGRAFÍA......................................................................................................................... 873 www.FreeLibros.org TABLA DE CONTENIDO XVII ÍNDICE DE TABLAS TABLAS Áreas bajo la curva normal de probabilidad ...................................................................................... 817 Distribución “t” de student ................................................................................................................................ 820 Distribución binomial .......................................................................................................................................... 822 Distribución de ji cuadrado. Áreas bajo la curva normal de probabilidad ...................................... 828 ....................................................................................................................................... 830 +/ ..................................................................................................................................................... 831 Distribución de poisson ...................................................................................................................................... 837 !$ :;< => *?.................................................................................................... 838 @* :;< => *? ............................................................................................................................ 839 @* ::"[< =\ *? ........................................................................................................................ 840 % =? % ..................... * ]<" ><" \<" ^<" ;<" ]_<" ` z ;_<{ &* :;< ......................................................................................................................... 841 XII. % =? % ..................... * ]<" ><" \<" ^<" ;<" ]_<" ` z ;_<{ &* ::"[< ..................................................................................................................... 842 XIII. Probabilidades asociadas con valores tan pequeños como los valores observados de U en la prueba de Mann-Whitney ...................................................................................................................... 843 XIV. Tabla de los valores críticos de U en la prueba de Mann-Whitney. Valores críticos de % z _"__] % z _"__>{ ................................................................................................................................................................. 846 XV. Percentillas de las distribuciones (x2/g.L.) .................................................................................................... 850 XVI. Distribución F .......................................................................................................................................................... 851 XVII. @ * ....................................................................... 859 XVIII. Prueba de Wilcoxon ............................................................................................................................................. 860 I. II. III. IV. V. VI. VII. VIII. IX. X. XI. XIX. Distribución binomial .......................................................................................................................................... 861 FÓRMULAS XX. XXI. XXII. XXIII. XXIV. Fórmulas aplicadas en las medidas de posición, dispersión, asimetría y apuntamiento 865 Fórmulas aplicadas a la regresión y correlación ...................................................................................... 867 Fórmulas para series de tiempo ..................................................................................................................... 869 Fórmulas aplicadas en los números índices .............................................................................................. 870 Fórmulas para inferencia estadística ............................................................................................................ 871 www.FreeLibros.org XVIII CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO CONTENIDO DEL SIL 1. Solucionario de los ejercicios para resolver en el libro - Capítulos 1 al 13 2. Aplicación de EXCEL en los procesos Estadística 3. Resumen de fórmulas de aplicación en la Estadística Descriptiva y en la Inferencia 4. Teoría y aplicaciones, sobre: Desarrollo de un sistema de ecuaciones; Sumatoria " www.FreeLibros.org TABLA DE CONTENIDO XIX PRESENTACIÓN Gracias a la generosidad de profesores y estudiantes que lo han preferido como texto o como fuente de consulta, se ofrece esta nueva Edición, con nueva presentación mucho más cómoda y fácil de manejar, con una revisión y actualización de los contenidos, así como de estilo, que esperamos sea del agrado de todos aquellos que de alguna manera tendrán la oportunidad de consultarla. En esta décima tercera edición se suprimieron algunos temas que han perdido vigencia en los programas, en contraprestación se incluyeron y mejoraron otros, manteniendo las exigencias y la actualización en la enseñanza de esta materia de acuerdo a los diferentes niveles, así como en los objetivos que se exigen en las carreras intermedias y profesionales. En esta ocasión se ha suprimido el CD que siempre lo acompañaba, ahora se ofrece la consulta a la Página web www.ecoeediciones.com donde encontrará entre otros, a) Proceso continuado de la aplicación del Excel en todos los temas de esta publicación. b) Solucionario con todo el proceso que conlleva el desarrollo de los problemas propuestos, c) Además incluye un tema que fue suprimido pero que lo seguimos considerándolo importante en proceso integral del conocimiento de esta materia, como son la Sumatoria, Productoria, y el uso de los Porcentajes, Tasas y Razones aprendizaje de esta valiosa herramienta, de ahí la equivocación de algunos que la consideran “elemental”, comentarios que nos alegra, pues no está dirigido a profesionales de la Estadística con grandes conocimientos matemáticos, por el contrario se pretende ayudar a aquellos que apenas se inician en perder el interés sobre aquellos temas que tienen gran importancia en su aplicación en tantos campos del conocimiento. que los programas de computador la han desplazado, este último solo permite observar la base de datos en su conjunto y los resultados obtenidos que son los requeridos, pero elimina los procedimientos que fueron aplicados para su obtención. Sea la oportunidad para manifestar nuevamente, mis más sinceros agradecimientos a profesores y estudiantes que me han hecho llegar comentarios, críticos algunos, que han sido de gran ayuda al mejoramiento de los contenidos en cada edición, como aquellos que reconocen esta labor, lo que me da aliento para seguir en esta tarea de divulgación. www.FreeLibros.org El Autor. www.FreeLibros.org CAPÍTULO UNO CONCEPTOS GENERALES 1 Conceptos generales TÉRMINOS Y DEFINICIONES El ser humano aprende en la medida en que participa en el descubrimiento y la invención. Debe tener la libertad para opinar, para equivocarse, métodos y caminos para explorar Ernesto Sábato 1 CONTENIDO ! generales. " # $ # % & # ' % *# + % ; Sistema de Información en Línea SIL. COMPETENCIAS $ < ! $ % # % = > # % ' & # $ # % www.FreeLibros.org 2 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO ASPECTOS GENERALES RESEÑA HISTÓRICA La estadística # $ # ? H JK%KUVW%X Y ! ;Z [\% La estadística W * ]^__ ` WkJ{%|{V}{%||KX # * #% Z# } ! # ! } $ % ~ estadística, Y $ } * # % APLICACIÓN DE LA ESTADÍSTICA # % = } %= ! $ % ! Estadística. ~ estadística ! $ ! % ! # % * # % $ %W Estadística Descriptiva o Deductiva% $ $ ! Estadística Inductiva o Inferencia. Estadística # # } % # Y# } # $ # $! $ www.FreeLibros.org CAPÍTULO UNO CONCEPTOS GENERALES 3 $ # % La estadística descriptiva o deductiva } # J %X $ % ! $$ $ % La estadística analítica o inductiva $ $ # % + estadística } # $ ! $ % La estadística descriptiva-analítica # < $ ! $ de los mismos. ! estadística! ! } ! % ` estadística % < \ # \ % EstadísticasJ X%* $ $% estadísticas son % * < Estadísticas o fuentes primarias%* ! ! $ # %* $ % www.FreeLibros.org 4 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO # : personales J %XY unipersonales J #$ XY J X% Estadísticas o fuentes secundarias. ! $ %* %* fuentes secundarias< } % % Estadísticas o series temporales%` } %~ } ! # >% < atemporales o aisladas. Las estadísticas, ! internas o externas.~ < % %~externas, < % Clases de estadísticas.* # < # % Estadístico. $ $ # % ! # # % FINALIDAD DE LA ESTADÍSTICA ! $ %~ ! # ! \ # %= # ! \ % } < Y %= estadística, # < Conocer la realidad en una observación o fenómeno. W # % # $ $ $ % www.FreeLibros.org CAPÍTULO UNO CONCEPTOS GENERALES 5 Determinar lo típico o normal de esa observación% la # promedio! # %* #WK {%K l Y # K Y $ {%K% Determinar los cambios que presenta el fenómeno. $ # ! %~ % Relacionar dos o más fenómenos%' $ $ # $%l las % Determinar las causas que originan el fenómeno. ~ % # l % Hacer estimativos sobre el comportamiento futuro del fenómeno% %~ > l > % Obtener conclusiones de un grupo menor (muestra), para hacerlas extensivas a un grupo mayor (población). W m > ser $ la % W$ estadística ! % COLECTIVOS INVESTIGADOS POR LA ESTADÍSTICA ~ # # %~ $ < % ~ $ # manifestarse al exterior para poder ser observados m %* < \ # Y www.FreeLibros.org 6 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO Y * # =\ Y # %W$ # en al %+ < ! # \ las $ $ } #% " # # # < Colectivos. ~ # % * l al % Frecuente repetición. W # %= % % Distinta frecuencia. * ! $ ## # %* $ # $ #% Manifestarse al exterior. % = # % Distantes en el tiempo. ~ # # ia # #%= ! % Distantes en el espacio. Banco Comercial, %~ #%* % W # er # % * # % * www.FreeLibros.org CAPÍTULO UNO CONCEPTOS GENERALES < % 7 Aquellos fenómenos que son accidentales, l # . ALGUNOS TÉRMINOS Y CONCEPTOS QUE SE DEBEN CONOCER Y MANEJAR W $ ! $ el desarrollo # % ^ ! } $ $ %* $ # |{U $$ ! % Población% } # \% ! la m % ~ #\ ! población la población o población objetivo. Per # $ $ # % Los elementos o unidades %W$elemento J X J X unidad conglomerados. *\\ ta o \ Y \ %* \ $ > > ! $ > % Marco< marco, marco muestral o marco de referencia, a la unidades o elementos l % Características< } # # % www.FreeLibros.org 8 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO } # < ELEMENTOS Personas Personas Personas ' Z CARACTERÍSTICAS Salarios Z Cargos ^ Las características J X% m % W ! Y cuantitativos o variables < % palabras < } % caracteres cualitativos o atributos. ~ <variables discretas continuas%~ ! } \ <{KU % del \ $K % \ > <K> # %~ discretas continuas $ $ la $ $ < {>${K># realidad esa d % * # J X referiremos a distribuciones unidimensionales o univariante%* # J Y Y X distribuciones bidimensionales o bivariante% $ # $distribución es pluridimensional o multivariante. Investigación total. ' !censo o investigación exhaustiva! % < Poblaciones % Tiempo % Costos # % Recursos humanos % Destrucción % www.FreeLibros.org CAPÍTULO UNO CONCEPTOS GENERALES Homogeneidad # $ % 9 Muestra o investigación parcial. * %~ la % = seleccionadas al azar, ! < las tablas de números aleatorios, la selección sistemática o cualquier otro método que sea al azar. + no probabilística \ % Y % caprichosa, voluntaria #los } Muestra circunstancial o errática. = % # |{U % s = s & W s * = $ Por fases * $ & No s ^ = _ * & s Parámetros. * ! # población% !les denomina valor verdadero # $ $ J %X%* # $ %W valor estadístico de la población. Estimador o Estadígrafo% ~ ! # muestra, se denomina estadígrafo%' J&X\ # ! general, alores # % !Estimador Puntual promedio, varianza, proporción, % $ error, es estimador por intervalos, $ $ % ~ estimador parámetro error de muestreo, > # #} i % www.FreeLibros.org 10 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO Errores ajenos al muestreo< J X $ < } % LA PROYECCIÓN Y PREPARACIÓN DE INVESTIGACIONES ESTADÍSTICAS # # ! Y % El método estadístico r $ ! # Y # $ \ método experimental # % W $ !$ < > % JX J X # . desarrollo. # JX< W% = % # % W$ J! $X %; '% = "%= PLANEAMIENTO Y PREPARACIÓN DE UNA INVESTIGACIÓN DE TIPO ESTADÍSTICO # fije % ~ # al % www.FreeLibros.org # < CAPÍTULO UNO CONCEPTOS GENERALES {X KX~ UX ~ 11 X ~ X X El objeto de la investigación ! ! % < Y < los Y # < ! < % En el X X X X al !! a < ' i ' ' ~ # # ! $ los $ < \ % ' # # % Se organiza una estadística de natalidad%* %= J X $ % l Y $ % Se prospecta una estadística de salarios% i ien $ % X ' < <! < ! ! $ _ ~ A quién la %^ < Unidad de vivienda< $ % www.FreeLibros.org 12 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO Hogar< $ \ l J Xse % ~ # %' # %~ < clara, adecuada, mensurable y comparable. b) Determinar la naturaleza cuantitativa y cualitativa del objeto de la investigación: o sea, i \ J X #J{KUX J + _ W X J ! # X J! X J X % X Determinar la posibilidad de investigación< Y si i % # Y # Y arrio # # \ d) Limitar el objeto investigable: %A % \ ! % = $ la # < = <~ *<~ ~ $%H serle f% Estadística de salarios%~ {>$ %* los # %Y Y # los salarios femeninos {>% www.FreeLibros.org CAPÍTULO UNO CONCEPTOS GENERALES 13 Estadística de créditos bancarios%* ! } % ! # } # ! %= # ! $ %W # } el $ < ! % La Estadística # $ %~Estadística la ! ! del Y# l % *\ $ ! $ = _ % # % % <espacio, el tiempo, el número de casos combinación de los tres anteriores. % # $ %+ $ # } $ $ %~ $ %= # # \ % ! \ } f # % % Limitación del tiempo% ! Y las Y Y } % % \ % # # # $ % ~ # %~ # $ } %~ # m $ $ % ! # se denomina “el momento estadístico“; ! i % www.FreeLibros.org 14 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO %W $ Y $ J ! # #las # >XY } J # %X% $ # $ i % Limitación del número de casos. ~ Y l \ %~$ # \ %W# \ # ! % # } \ Y # % ! \ indagarse. Limitación coordinada del espacio, del tiempo y del número de casos< \ $ i # !\ ! j % l } ! las e # % * < los ! $ % $ # ! % ~ $ < % * $ # $ Y ' _ & } \ ! Y $ > $ % www.FreeLibros.org $ # # % CAPÍTULO UNO CONCEPTOS GENERALES 15 i > %' } % # de lo anormal o # % Las fuentes de información Z ! % W < } } # % i $ < Directa e Indirecta Investigaciones directas e indirectas%' } # ! \ % l \ % Z $% _ # } ! ! $ % # # %' $ %' % ' # Y Y ! # % * $ % * $ # > # %H # %= # $ # % * # % Muchas veces, se estima y otras se calcula%* } %* Y www.FreeLibros.org 16 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO Y Y % ! Y} Y Y } l Y Y %= $! ! !% ~ # directa # %* Y Y # \ } # Y Y ara % * # indirecta, ! } %~ } Y # Y l #! Y? Y % fuente o fuentes % Las mejores son las fuentes directas%= %+ # # # \ % # # se r % '# # < % \ $ # del # % % $ %" } ! las % W Primaria ! Secundaria l % ! Interna la Externa f % www.FreeLibros.org ~ % CAPÍTULO UNO CONCEPTOS GENERALES 17 Los procedimientos de investigación ! # ! d \ < ! ! $ } # * < Claridad y publicidad% < % ~ %~ # # $ $ < \ % Sencillez%* % $ $ $%~ Y # $! ! % Utilidad% # $ i !%De o modoallaremos $ # #% $ $ # & # + # $ continua, periódica o aislada% } # % # # # $% = # # $$ >\ Y %* series cronológicas o series de tiempo. W Y # ! !% ~ \ ` <ocasional, periódica continua. www.FreeLibros.org Es ocasional %+ costo de la vida o de los 18 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO Y Y Y % * ! % * intencionales o aisladas. Es periódica l % ~ # Y # Y Y # Y # Y l ! $'%% Y # # % Es continua $ % ~ $J la XY $ # l ! $ J X #% l % * > l # < = % " # ! % = > $ l #} Y > >% ~ > %~ $ # %= # % ~ # %~ # % ~ % #} %' % ~ # discontinuas } #Y # %= $ #} %H ! # % _ \ ! % www.FreeLibros.org CAPÍTULO UNO CONCEPTOS GENERALES 19 # \ \ > el > # % # KK \ } % = \ # %* % = % % < ! ~ ! < el %W % Entidad< \ % W < Principales desventajas de las entidades públicas: _ # < % " $ % Principales ventajas de las entidades privadas: * $ # ! ! % \ $ < % ~ \} < # #Y$ } % # + " _ _ W} r %W! * # % ' laW =\ # * Y # } # $ \ las % www.FreeLibros.org 20 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO ! J } X ^% _ $ % Personal% ! er } %* $\ # %W # % < ~ # % ~ # # % W # ! $ % ! d % ' mejores } dad. Sistemas de investigación< < ~ automáticas $ % * Y # $ J X%* $ $ %~ # $ de l %~ # # r # $ $ < ; W * # =\ ' % l i % www.FreeLibros.org CAPÍTULO UNO CONCEPTOS GENERALES 21 ~ intencionales l < % ! % ~ \ # $ # % $ %~ # # % ~ $ # ! # % ~ combinadas automáticas e intencionales% > # # % $ $ _ #% W # extensivas e intensivas ! %~ \ % # Y < extensiva%~ # % } r se le llama intensiva%~ #las % # % % Investigaciones completas, incompletas y más que completas, $ ` >! # $ # ! % Son completas %_ } Y ( X %~ ! # # Y # $ de & Z % www.FreeLibros.org 22 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO Son incompletas # } %* # r # al Y >% ! # % Son más que completas ma error. = # < \ Y % % Investigaciones representativas y no representativas% # # %$ # % ~ f$ # \ # } %_ l } $ #% # # % Investigaciones obligatorias voluntarias%* l Y ! # % # $Y # e # ello. * ! \ dejar % ~ voluntarias l } \ a las # #%~ r lar. = $ $ $ $ % W <correo, entrega personal del cuestionario la entrevistaY <internet, teléfono, fax panel. www.FreeLibros.org CAPÍTULO UNO CONCEPTOS GENERALES 23 %* entrevista $ $ < \ \ % < $ $ % La organización%! Y! # % < centralista descentralista. La centralización% ! %~ ! } l i % \ el #%* # l $ en $ % La descentralización%' } # # % $ \ %~ # } # $% El material estadístico $ \ i % \ %= < impreso e instrumental. & % Material impreso%* i % } # $ % ~ < Colectivos. ' # } % el \ % www.FreeLibros.org 24 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO la \ la % } f % Individuales%' # < $ ! % < # # $ } % Contenido de un formulario. < El encabezamiento < < + _ }* " ' _ & %+\ $% <{% %K% # % # ! <_ } %_ %W$$ i % El cuerpo # %W$ % del Y %' al % ! preguntas particulares % % ! Y % > %_ control, , abiertas, cerradas múltiple o dicotómicas. ~ cerradas Yabiertas Yselección múltiple Y control Y % ~ < Y el Y $$ $ Y % www.FreeLibros.org CAPÍTULO UNO CONCEPTOS GENERALES 25 Las observaciones< l \ } # % Las instrucciones< ar % = J al X ! J{X JKX % % \ \ $ > <{KU % %W} ! % ~ # % ~ ! < % ! % Trazado y redacción de los formularios. W > % ~ > < ' sucinto % ' indiscreta % ' ser claro $ % Y % Categoría \ J#X JX % ' juicios personales importancia o la bondad de J >XYJ X% Otros aspectos< % <clase de papel, forma de impresión J X > Y www.FreeLibros.org 26 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO ! %T % = \ } % Todo formulario antes de imprimirlo, debe ser ensayado con una recolección real de datos. Por la $ > > %= l de las ins} %~ encuesta preliminar o piloto% <material de recolección material de elaboración. Equipos% $ \ \ % $ } $ # J& *=***W* *= %X \ % J # %X % ! # %* ! $ ! %* } %* # $ %~ %!la # \ los $ % El presupuesto de la investigación $ Y < % W # $ " = _ W www.FreeLibros.org CAPÍTULO UNO CONCEPTOS GENERALES 27 & % % J X %* %= % W los \ _ # % La preparación%+ _ # $ % \ ! ! # r \ # # ! ! i % # # % % # % W ! la % $ los < } Adiestramiento y elección $ % Ensayo de investigación sobre el terreno% ! % Elección y preparación de la fuente informativa% %* l # % Preparación del material de la encuesta%~ # % www.FreeLibros.org Propaganda% ~ i # $ \ 28 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO Y ! # i ! # ria. ~ listado de informantes o marco de referencia Y % cartografía % Financiación% ~ $ % ' ! % Z $ < el calendario de trabajo ! Y ` %~formulación de hipótesis Y el examen de la documentación l Y $ \ # Y unidad de investigación, es ! < % ~ # %Z # } J X J # X% RECOLECCIÓN = % ' # %* $ $ $ $ falsas. ~ $ % = %~ } %* $ $ %= <> % * J X www.FreeLibros.org CAPÍTULO UNO CONCEPTOS GENERALES 29 l % ~ < ' ~ \ CRÍTICA Y CODIFICACIÓN ' % Y $ ! ! % Es un conjunto de operaciones de revisión y corrección de la información recolectada, que nos permita agruparla y procesarla, de tal manera que nos facilite la elaboración de cuadros, gráficas y análisis, necesarios en la publicación. f } # } Y # < % ~ l } %W$ ! ! % ' # } las % ~ %= < * Casado ^i { 2 3 ' * O ro www.FreeLibros.org \ V # % 30 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO EJEMPLO A EJEMPLO B CLASIFICACIÓN POR PROFESIÓN CLASIFICACIÓN POR CATEGORÍAS SOCIO-PROFESIONALES W { W W K W J i X ... {= ... K K UW s TABULACIONES O PROCESAMIENTO = $ $< ' . '\ % ' % l $ } % ' listados } l %+ los cuadros análisis de % Z# # # % <*W**=**& & * *= %= $ medidas, $ # % ANÁLISIS E INTERPRETACIÓN $ $ $ Y $ $ l i % ! $} % r estadígrafos o estimadores, puntuales # parámetros # www.FreeLibros.org CAPÍTULO UNO CONCEPTOS GENERALES 31 dispersión y los promedios, incluyendo en éstos los porcentajes y proporciones. % ' \ # < X W$ # r % X W$ ! % i % $ } [% Cómo investigar en educación # $ < {%# X X $ K% X* X $ X * X ~ # X* X * ! U%; # < X X * X $ X * %= < X* > X > www.FreeLibros.org X * 32 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO X * X* X * X* X # %W$ < X f X X X * $ $ # %; < X* X * X * X $ X~ PUBLICACIÓN % ! $ < = % Z % # > > % = % * $ \ $ % www.FreeLibros.org CAPÍTULO UNO CONCEPTOS GENERALES 33 ' $ > $ ! % % \ # % ! $ $ $ % ! % MONOGRAFÍAS Y ENCUESTAS W extensivas e intensivas, \ ! Monografías Encuestas. ~ # _ * !" ~=J{}{KX X_X%* # ~= # moral, % %~ $ # es % # # %' # # \ grande, el \ ! % W # %_ % # ! ! Y %* ## J X # las % El estudio de un sujeto elegido como tipo%+ $ ! % $ $ } # \ ! % www.FreeLibros.org < % 34 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO %W\ % % $ representativo $Yla % $ $ !% = $$ } % ! $ < l # $ % W # %~ # \ } \ %~ # } # # $ . DIFERENCIAS DE LA ESTADÍSTICA CON LA MONOGRAFÍA ~ # % ~ # % ~ # ! %~ # \ % $ $ $ # #% La Encuesta%= # = $%* # Y! $ } l %' $ % # # %~gene} < %W encuesta. La Encuesta # !} # \ # % \ ! Y # # % www.FreeLibros.org W < privadas y públicas, \ parlamentarias y estadísticas. CAPÍTULO UNO CONCEPTOS GENERALES 35 ~ privadas # } \ %* # %~ # el % ~ públicas , en parlamentarias estadísticas } $ $ %W#el W %= } man. ~ # ! %* } ## % ~ # % } <orales escritos. ~ %~ # % ~ \ % } ! % ! ! J X } % ~ # # } %= % ~ # } > # la \ % EJERCICIOS PARA RESOLVER ~ # Sistema de Información en Línea SIL. www.FreeLibros.org {%$ ! # K% ! ! 36 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO U% _ # % %& # # % %= !\ # $ % ' # # % |%' # % % ~ # % % V%*> $ % V%{+ < a) P>% X; % X_ >% XGrande. X_ % V%K ~ < X* % X % X % X % V%U+ !< X\ $ % X\ {%% X\ $ % X\ $ % {% \< X ~ # # % X ~ # # % XW $ # % X * % www.FreeLibros.org X + ! % CAPÍTULO UNO CONCEPTOS GENERALES 37 {{%*> $ < {{%{~ < X % X % X' % X % {{%KW # X % X % X % X % {{%U < X_ % X& % X& % X _ % {{% > $ # < XW $ # % X $ % X W $$ # % X % {K% \< X X ' ! % % X W $ % X* ! % e) Al > ! % X % X # \ ! % {U% * Y %$ = # # # {% & ! > % {%+ # < X* X= X` % X XT % www.FreeLibros.org 38 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO {%+ < X % X= % XW !% X % X' % {|%= < X+ % X+ % X+ % X + # \% X % {% # < X= $ % X % X # % X^ % X= % {V%' # $< X~ % X~ % X~ % X~ % X~ % K%~ # < X= % X* % X' % X~ $$ % X $ % K{%* verdadero $ % $ subrayada % X= $ # población. X # cuantitativas. X~ # descriptiva, # % X + diferente al ser % e) La inferencia, $ $ % www.FreeLibros.org KK% % X " % CAPÍTULO UNO CONCEPTOS GENERALES 39 X& % XZ # % KU% JUX $ Y$ Y$ Y$ # Y$ Y$ X* U %~ <{U #Y# V Y | Y % X # %~ ! \ ! # < Y| V Y % Y % X >{K> K > { ># lW *.A. K%' < X= $ X W X = X & K%! < X # X " # X # X X & X # X" # X+ X= X #% Síntesis de capítulo ! estadística estadísticasY ! $ $ $ % ~ # <X $ descriptivo # X inferencia # o $ % * ! # # < % www.FreeLibros.org * # < X 40 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO YX YX % ! # # Y \ \ < Y Y Y Y Y % # < " Y Y Y % * # Y $ < Y # Y Y $Y Y Y J # X% % % + < Fijar los ! # % ' % * ! % % ' > %' > % * %Z % www.FreeLibros.org % CAPÍTULO UNO CONCEPTOS GENERALES 41 ' % ^ \ % % ~ \ < $ % # % * $ % $% W$ % = % ~ # # ! %W## # $ ! $ % $ % = ! # # # % %^ ! < ! ! % # $ % ~ > # \ ! %* ! $ # el ! # $ % www.FreeLibros.org www.FreeLibros.org CAPÍTULO UNO CONCEPTOS GENERALES 2 Distribuciones de frecuencias formar los hombres capaces de hacer cosas nuevas y no de repetir simplemente lo que otras generaciones han hecho. Jean Piaget 43 CONTENIDO % $ # # % $ % ; $% *# # % ; en el Sistema de Información en Línea SIL. COMPETENCIAS $ < * $ % W ! % = $ ' $% www.FreeLibros.org 44 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO GENERALIDADES La distribución de frecuencias! % ! $ \ % * $ ! $% Por población o universo, } # # \ ! % ! } %~ unidad o elemento características. investigación exhaustiva%* investigación parcial o muestra. La muestra, azar % * \ # \% ~ elementos cualitativos o cuantitativos~ ! atributos Y < Y % ~ cuantitativos denominados variables # \ % < \ % ~ discretas y continuas. $ $ % Las variables discretas ! % <\ $ $ Y\ % Las variables continuas! ! } % < # Y } % www.FreeLibros.org Nota< * $ > ! $ $ # # % CAPÍTULO DOS DISTRIBUCIONES DE FRECUENCIAS 45 ELABORACIÓN DE TABLA DE FRECUENCIAS VARIABLE DISCRETA W # % n = n = > % N = N = > % Xi = xi = _ % J \ X fi = ni = " % fi n / = hi = " Fi = Ni = " % Hi = Hi = " Xi = yi = _ % X’i -{ - X’i = i % % y’i -{ - y’i = _ % = m c = W m = \ % Se ha considerado conveniente presentar las dos simbologías más utilizadas en los textos de Estadística, de tal manera que el estudiante pueda consultar o aplicar indistintamente cualquiera de ellas. Ejemplo 1.* K% \ %= } K% >U %NK%nU ~ %* { U\ # < } {= 3 2 = 2 3 = 2 = 3 = 3 |{ { 9 {{ {{= 3 {K= 3 {U { {= 3 {= 2 {| {= 2 {V K= 2 K{ 22 23 K{ K= 3 K K|= 2 K= 3 29{ U= 2 $ } namos datos originales o no ordenados% $ > # %= U } KK% Y tabulación o procesamiento de datos. www.FreeLibros.org 46 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO \ } {KU% ! JX J{KUXY $ frecuencias o frecuencias absolutas. * } I-I-I-I I-I-I-I I-I-I-I III ${ K%{ $ $ W+~W_ IIIIIIIIIIIIIIIIIIII% ! &; &; '=_W* 'W[W* ##<IZI A IIII I IZIIZI I–I {% { I-I-I-I IZI 2 | I-I-I-I II IZI I– 3 I-I-I-I III IZI I–I I-I-I-I I IZI I U U U {K%{ } U} Y Y | Y Y % * ! {U # {| #YKUY K| YK } < K%K K|V% K%K' &; '=_W* '"+*W* { 3 { K%U ' } www.FreeLibros.org CAPÍTULO DOS DISTRIBUCIONES DE FRECUENCIAS ~ 47 < Las frecuencias absolutas acumuladas $ $ %* #< V V|{ {K KU = f1 = F1 + f2 = F2 + f3 = F3 + f4 = F4 + f5 {U {U{|U UKUU UK| K{ Ejemplo 2. %K%U < Solución 2 9 U K| VARIABLE CONTINUA Ejemplo 3. U Y % x3V www.FreeLibros.org 48 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO $ # % <Vmin|%~ $ # % |% $#; V|| _ #<m = número de intervalos y C = amplitud del intervalo = i m < +\ { m { m { &! * m{UUn ' % W m m =w log n $ m < } \ %* \ {%W {% $m{UUUKVz m%~ % * % C o i $ %= } $ %* C | |{ %* \ > % www.FreeLibros.org CAPÍTULO DOS DISTRIBUCIONES DE FRECUENCIAS 49 = m C = i C= X $ X #V| || C= = |U i |Uz m * C >! Y\ C $ %~ } # # % | # C % %* y’i { y’i X’i { X’i %W y’i { X’i { # yi’ Xi’ # Y # C i % $ % ~ $ < K% Distribución de frecuencias - variable continua y’i ni hi Ni Hi yi y’i ni { 3 { 3 { {K K 9 U K{| K| {| | |{| K 23 || | |{ {U K| V K {V 3 { U { V y’ y’{ y’2 y’3 y’ y’ U { X’!"i fi fi ni / Fi Hi } y1 y2 y3 y4 y5 y6 } X1 X’!"i fi { 2 3 # { $ #$ xi %El 0,1 se omitirá para el cálculo de las marcas de clase y de los diferentes estadígrafos o medidas que se requiera calcular. < www.FreeLibros.org 50 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO K% } W+~W_ y’i ni { 3 I–I III {K IZI I I-I-I-I I K{| IZI I–I I-I-I-I III |{| IZI I I-I-I-I I |{ A {V 3 U I III I–I U III U Las marcas de clase U < X* < X* ! # % X* # # % Nota: ! $ $ < www.FreeLibros.org CAPÍTULO DOS DISTRIBUCIONES DE FRECUENCIAS 51 K% W ' ! < Propiedades de las frecuencias ~ % ~ n. ~ % ~ { www.FreeLibros.org \ n. 52 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO \ {% Ejemplo 3. % _ # #%%*> % Solución: % + J X = J X % ^ ^ %W {% K% U% {% K% U% {% K% U% {% K% U% % {% 2. U% {% K% U% = % # _ = J X % # $ % _ % = Y Y % # $ \ _ % % % % % % % _ Peso en Kg. ~ % % \ + % % Ejemplo 4. > A X V J X% Solución: %' %' %' % %' % %' % J } JA) JA) JV) JV) JA) www.FreeLibros.org Ejemplo 5. *>C D % CAPÍTULO DOS DISTRIBUCIONES DE FRECUENCIAS Solución: %' %' %' \ %' % 53 JC) JC) JD) JC) Ejemplo 6. ~ <“Una vez recolectados los datos en forma ordenada, es necesario presentarlos en forma tal que se facilite su comprensión y su posterior análisis y utilización. # $ % discreta mediante diagramas de frecuencias, tanto para absolutas o relativas”. % " JniX\\ Jrrll X% xK| x{K % \ %! x % %! y2 n % W$ ! n2 % ! h2 h y| n| h| % % = y xU x2 JHiX JNi). h > h|J X%!H < H| Solución: x{U x2 U % a) x{ = 3 x2 = 3 x3 {K x = 3 x x = 2 x| x x9 = 2 x{ = 9 x{{ {K x{K = 2 x{U x{ = 3 x{ = 3 x{ = 2 x{| x{ = 2 x{V {{ xK { xK{ = 2 x22 = 9 x23 xK{ xK{{ xK xK| = 3 xK = 2 x29| xU = 2 xU{ | x32 = 9 x33 { xU xU = 2 xU {{ xU| = 2 xU x39 x x{ xK xU = 9 x = 2 x {{ x x| x = 9 xV { x = 9 X x = 3 xK| = 3 x{K = 2 X y2 = 2 = X2 y X y| X | n = 3 = f n| | f | d) n2 {{ f 2 e) h2 KK h xU yi ni hi Ni Hi { 2 3 | 9 {{ {K {{ 3 2 | 2 KK {K { { {K { { K{ K 29 U{ U } U K K | V { } Xi fi fi n / Fi Ni/n x2 = 3 h| { www.FreeLibros.org / f2 n KK / f n / f | n { 54 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO X h > h| h| > h = $H < H| $ H > H| EJERCICIOS PARA RESOLVER ~ # Sistema de Información en Línea SIL. {% \ < KK||K|| % <ni h i N i y Hi . K% '! >X % a. HUNUnn %= # } % %\ \ % d. Si H|HU Y Y. %Z{{ZU %~ {% Falso ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) U% ; ! % % yi ni Hi { {K K } UK U } } } } } } Xi fi Fi n / * ` { %~ <&#{ Y* YW#K{ Y {| Y K{ Y Y {U % X $ X$ > X ! $ X$ # X $ # X % X $£ X \ www.FreeLibros.org CAPÍTULO DOS DISTRIBUCIONES DE FRECUENCIAS % 55 +$ %* U > { %~ U > < K|{||U||||K|K| ~ \ >{K> * & % X$ X$ X$ # X~ # X$ X! X X= ! { % !% |% % V% ' # % % X W J %X% X ~ # U % X \ % X % X = % X ~ > % X ~ > % ! < X' X" X^ X" + U \ JX# < U|{{U{|{{KU{K{ % www.FreeLibros.org {% Y # % 56 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO {{%' %= ! % \ # % % ~ > % % {K% ! % {U% ~ J # X =$ < * % {% ~ J X \ K{{%' < * % {% + ; < U UY |Y {Y {Y| VY amas. X$ X$ X$ # X ' # % X ' % {% \ %~ <{ U YU | YV { Y K Y Y Y % X $ X$ www.FreeLibros.org CAPÍTULO DOS DISTRIBUCIONES DE FRECUENCIAS 57 X X$ X < y3 n2 H f2 X3 h F n f n {|% J ¤X < || |V | | V K V U V | | { | | U | |U U V U { U{ U { V V U | m <m{UUn ' < y3 X3 y X H F n NC F i {% < y2 = 22 n{ y’ n{ = n c n2 = n = n{ m n3 = nU X2 = 22 n{ X’ f{ = f i f2 = f = f{ m f3 = fU % {V% *\ * m {UUn$ # < a) n XnK Xn{% X ~ # % K% ! < X' \ XK X{K K{% < X ~ X~ { X* ¥h{¥{ X\ ! % KK% ' < a) m h{K hK X H =K H{K h Xm Hh = H H2 H3H{V www.FreeLibros.org 58 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO KU% {! < X * K X_ U X { RECOMENDACIONES EN LA ELABORACIÓN DE CUADROS O TABLAS PARA INFORMES ~ $ medidas de posición, dispersión, asimetríaapuntamiento $ # % W # } % $ % # <!$% # \ # \% % #% # ! % = % $ # $ % * $ # $ ! \ \% $ ¦ # &WH*+~W* &WH*+~W* s &WH*+~W* \ \ \ s www.FreeLibros.org Pie ^ % CAPÍTULO DOS DISTRIBUCIONES DE FRECUENCIAS 59 ~ # < Z! {%' K%' s s * s Z ! ~ < X X X` $% X~ texto o textual Y # % % X~cuadros o tablas $ %~ % ELABORACIÓN DE GRÁFICAS Z # ! } # medio de % W ! $% ~ $$ % ~ $ % ~ $ % ~ $ % ~ $ $ % ~ $ % ~ $ # $ $ % www.FreeLibros.org * $ $ $ % 60 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO $ # %~ ## % ~ # $ % ~# J X % ~ # J X% # ~ %~ % $ $ # $ % $ Y $ # % Z $ <! # # diagramas de frecuencias y de dispersión, los histogramas, polígonos y ojivas% $ $ % & res, de barras, de líneas, pictogramas, cartogramas muchas más. GRÁFICAS APLICADAS AL DESARROLLO DE LA TEORÍA ESTADÍSTICA Diagramas de frecuencias.* %* # % diagramas de frecuencias. Ejemplo 1% K%{ " K%{ Diagrama de frecuencias absolutas acumuladas 8 7 6 Frecuencias absolutas acumuladas Frecuencias absolutas Diagrama de frecuencias absolutas 5 4 3 2 1 0 1 2 3 4 yi 30 25 20 15 10 5 www.FreeLibros.org No. de hijos 0 1 2 3 No. de hijos 4 yi CAPÍTULO DOS DISTRIBUCIONES DE FRECUENCIAS 61 Histograma.* $ $ % ~ $ } histogramas de frecuencias% > $ \ $J" %K%KX%* $ > % $ J" %K%UX >%= $ < n W = i Ci J^ K% K%{X $$ < " K%K K% y’i-1 – y’i ni hi Ni Hi {} 3 { 3 { {}K K 9 U K{}| K| {| | |{}| K 23 || |{} {U K| V {}V 3 { U { U } { } X’i-1 - X’i fi fi n / Fi Z 8 7 6 5 4 3 2 1 / Fi n 0 46 54 62 70 78 86 94 ’−1 − ’ " K%U K%V $ EDAD (AÑOS) No. OBREROS {{}K K{}K | K{}U{ 32 U{{} K 160 Z 60 40 20 www.FreeLibros.org 0 16 19 22 25 28 31 (Edad - años) 34 37 40 62 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO " K% K%{ $Z AMPLITUD FRECUENCIAS ALTURA Ci ni ni / Ci 9 {{ 3 | { 3 32 { 9 K K i fi fi/i ’−1 − ’ 0 16 19 22 25 28 31 34 37 40 (Edad - años) Ojiva.~ $ } !ojiva ascendente. Para Y #%J" K%X% = $ polígono de frecuencias % " K% 30 Frecuencias 25 20 15 10 5 ’−1 − ’ 0 46 54 62 70 78 86 94 Polígono de frecuencias% # %* } $ } nemos el polígono de frecuenciasJ %K% K%|X% " K% " K%| =# =#Z n 8 8 7 7 6 6 Frecuencias Frecuencias n 5 4 5 4 3 3 2 2 www.FreeLibros.org 1 1 ’−1 − ’ 0 46 54 62 70 78 86 94 ’−1 − ’ 0 46 54 62 70 78 86 94 CAPÍTULO DOS DISTRIBUCIONES DE FRECUENCIAS 63 EJERCICIOS PARA RESOLVER ~ # Sistema de Información en Línea SIL. K%; < aX W $ ordenada. X # % X $ # $ % X* $ $ % K% %V % K% %{U % K|% %{ % K% %{ % KV% # < U% ! < X& X^ X_ XZ X=# X W % U{% % * < X X $ V ¤ X # % www.FreeLibros.org UK% ~ J ¤X < 64 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO X * % X # % UU% J X < % APLICACIONES DE LA FUNCIÓN EXCEL EN LA ELABORACIÓN DE TABLAS O CUADROS W } % { J *_~< W # } X% = & &{ # ~W* JX } {KU < " %{%+ ' www.FreeLibros.org CAPÍTULO DOS DISTRIBUCIONES DE FRECUENCIAS 65 ` $ % { *_~ % Z W«~_*_*''W* W«~_*_*'W*%* W«~_*_* ' 'W* $ ~_ =_* ]~ &=~&* ~_ _;% W $ Z;;W&_W* =W;WW«~_*_* ~_W=W;% #W«~_*_*''W* $ < " %K%* W$ ' " %U% Z www.FreeLibros.org 66 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO \ ' %{ Z_*`;W&W% $ Z_*`;W&W < ;W`';W'W 'U<'K ;W` ' ~W** &|<&{J %{X ;W`'*W~_'W ~_# % {| $ % * $ $]~ Z_*`;W&W $W;;W*%= $ ;W;`;«"_% " ~_W=W;% " %%' Z % + ~_ W=W;Y $ {| K| $ ;W;`;«"_% www.FreeLibros.org W W~W'";+_W* > Z_*`;W&W `;«"_W'W;;W*% CAPÍTULO DOS DISTRIBUCIONES DE FRECUENCIAS 67 " %%; Z % ~ % ` ${%Z Nota: J{X ~ # $ $ '_W`;W&W ' ";+_W* =;+W~* > ~_ =;W[ W+&+~W'% www.FreeLibros.org JKX \ % 68 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO JUX Z_*`;W&W $ %* $ $ *;_* J"_~W*XJ~+&W*X % GRÁFICAS UTILIZADAS EN LA PRESENTACIÓN DE INFORMES ~ $ +W'; %W $ $ !X +W';% El EX~ `;«"_* ! < COLUMNAS; BARRAS; LINEAL; CIRCULAR; DISPERSIÓN; ÁREAS; ANILLOS RADIAL; SUPERFICIE; BURBUJAS; COTIZACIONES ' JX$ % Ejemplo 1.= `;«"_W J X #%{ } % K%{%W ] J K{{X "W+~W' W # ' # _ # = # Total &;'W~+&* {%K | {%U 5.100 {V {{| KUU {U|U KV V 100,00 ' $]~ J X % W ~'W* +~*;+~*% <Facultades y Número de alumnos. = ~_ > `;«"_*_*;W;% + $ $ `;«"_* $ \ www.FreeLibros.org CAPÍTULO DOS DISTRIBUCIONES DE FRECUENCIAS 69 " %%_ ` $% ~ "_~W*~+&W*%' Y WK<% * _='`;«"_ ~_!% $ ~+&W* '_*®* J{VX % ' ! $ Z;;W&_W*'`;«"_ >'_*®=;*W_ ";&W%' # $ # $ % W`;`W;+_W; % $ % Z[W +^W< & $ Z[W ' `;«"_ ~_ $ > '_*® +_W_YZ~_&^;`;«"_ Z[W+^W% [ [ $% $ {K% ~ < www.FreeLibros.org 70 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO " %|%` $ " %% ` $ www.FreeLibros.org CAPÍTULO DOS DISTRIBUCIONES DE FRECUENCIAS 71 " $ ~_$ $ =_W; < GRÁFICO CIRCULAR O PASTEL $_;+~W; JX # JX W;_+*+W~_W_^* $W;;W* #{ % ^ $ # } ${ # $ # % %^$< $ % W ~'W* &;'W~+&*% +~* "W+~W'* _*;W; ~_ >`;«"_* $% * _;+~W; *+_= ' `;«"_% JX ~_W=W; '# `;«"_'W;;W* < www.FreeLibros.org 72 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO " %V%_ ` $% * Z[W +^W `;«"_W % " %{%; * " %{%; * www.FreeLibros.org CAPÍTULO DOS DISTRIBUCIONES DE FRECUENCIAS 73 " %{{% = * _+W ' 'W* #% W~+&* % " $ ! % " %{K%` $ Z % www.FreeLibros.org 74 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO ` $%U%` $ % GRÁFICO DE LÍNEAS * *;_*'_&=*;_*;~`_W* _&= JXX J> # %X JHX =;'+_J ¤X²*J ¤X%; horizontal o abscisa variable tiempo JHXproducción y/o costo. K%K= J ¤X ] AÑOS K K K K| K KV K{ PRODUCCIÓN (ciento mill $) K U U K | |K | COSTO (ciento mill $) {{ K { K U { K + ]~ =;'+_** $% _*;W;~_ ` $ $ ~ W*% W $ JX J|X % www.FreeLibros.org CAPÍTULO DOS DISTRIBUCIONES DE FRECUENCIAS 75 " %{U%_ ` $% Nota:_ W®* $ \ Z;;W&_W* ' `;«"_ > '_*® *~_W;'W* " %{%; * www.FreeLibros.org 76 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO _+W*'~[Z;_W~ *~_W; ;_`''W* '_W; W®*% " %{%* ' % " %{%* W> ]%J= W %X www.FreeLibros.org CAPÍTULO DOS DISTRIBUCIONES DE FRECUENCIAS 77 " %{|%# ` $%J= W X% " > % " %{%; ` $~#% www.FreeLibros.org ~ $ ! % 78 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO ` $U%` $~#% NUBE DE PUNTOS O DIAGRAMAS DE DISPERSIÓN $ W«~_*_*';`;*_J # {X $ $ J # X$ % K%K J $ V|X =;'+_* $% $_*;W;`;«"_ ]H '_*=;*_~_ J{X*+_='`;«"_ % " %{V%_ ` $% www.FreeLibros.org CAPÍTULO DOS DISTRIBUCIONES DE FRECUENCIAS 79 ' < " %K%* ; % W # $ < " %K{%_ # ` $% www.FreeLibros.org 80 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO ` $%%` $' ]H OTRAS GRÁFICAS (NO SE ENCUENTRAN EN EL PROGRAMA EXCEL) www.FreeLibros.org CAPÍTULO DOS DISTRIBUCIONES DE FRECUENCIAS 81 Pictogramas 11 NÚMERO DE COOPERATIVAS 06 LÍNEA DE ACTIVIDAD Cartogramas www.FreeLibros.org 82 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO $ $ Y escala aritmética J X Y escala logarítmica los # % # # #Y Y # # VK {K { % $ escala aritméticaJ X en la logarítmica \ % $ # ! % = $semilogarítmico < X * $ # $ # J X% X * $ # % X * $ # $ $ % X * # J²X% X & $ % X ~ J # X % X~ # J X% $ # ! J X $ # % # Y % www.FreeLibros.org CAPÍTULO DOS DISTRIBUCIONES DE FRECUENCIAS 83 * ! $ # ! ! $ # $ % $ } ! ! KU } % ~ $ ` $ % = # $ < ~ # $ # % J $ X \ % = % J %^%X } $ \ \ $ % % ^ > > < % J X $ a3 % $ 33 , Y $² $ > $ ²{K3Y ¤ ² $ > $²3%' $ < www.FreeLibros.org 84 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO $ > $ \ % ` $ 110 110 100 100 90 90 80 80 Precios (miles $) Precios (miles $) ` $W 70 60 50 40 60 50 40 30 30 20 20 10 10 0 2005 2006 2007 2008 2009 2010 2011 Años 0 2005 2006 2007 2008 2009 2010 2011 Años * `;«"_W \ > >K{{ % $ $ % ` $ 110 Precios (miles $) 70 100 ^ } # } %~ $ % 90 80 2005 2006 2007 2008 2009 2010 2011 Años www.FreeLibros.org CAPÍTULO DOS DISTRIBUCIONES DE FRECUENCIAS 85 EJERCICIOS PARA RESOLVER ~ # Sistema de Información en Línea SIL. U% # %* $ % X + % X % X # #% X $ $ % X $ >#W % X ~ # % U% J¤X J; & XKK < Depreciación Seguros ¤KU Mantenimiento K{K Gasolina ¤{ Parqueadero U Impuestos U| $ U%! $ U|%; ¤ < AÑOS 2006 2007 2008 2009 2010 2011 yi K% {% % {%K % %KU U% ; ¤ < AÑOS 2007 2008 2009 2010 2011 yi {K { | K K xi { {| { K K UV% = % * $ < OPINIÓN W CONGRESO % KKK ||| PRESIDENTE % UK { www.FreeLibros.org { { 86 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO % $ % AÑOS 2007 2008 2009 2010 2011 = J %X U | | |K ^ J %X K U K {% < y’ {i’ ni {K K{UK UK{U U{ {K U K { 22 { {{ * < X+ X+ # K% * # # < ARTÍCULOS 2010 ^#JX VARIACIÓN % 2010 – 2011 2011 ¤{K%% ¤{{%U% V {%|% {%{% UKV K% U% {%K% {%% K U% {% U| W $ J X < U% %* { > %~ < ' * $ ; { V{ { KK{ < X + $ X + $ X + $ % ~ J X U % K U K { K 32 { K { K { U K K U U { { K K { V { K 32 { K www.FreeLibros.org CAPÍTULO DOS DISTRIBUCIONES DE FRECUENCIAS 87 * < X+ XZ # $% % + >#] KJ X% VARIABLE ^ 2006 {V%{{ {%|| 2007 {% {K%V 2008 {U%U {%K| 2009 K{%U {%| 2010 K|%UK K%V 2011 U%K K%UK * < X % XZ# $ % % % yi : ni: 2 | { { { l2 |% +! #< K Y YU Y Y{{ #%* { < X+ $ X+ $ % % ~ {\ J>X < 2 3 2 3 2 3 2 2 3 { 2 3 | 2 2 { 3 2 2 3 3 3 { * % V% ~ U { X < www.FreeLibros.org 88 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO ALMACENES ^ MAÑANA (9 – 1) TARDE (1 – 5) NOCHE (5 – 10) KK U UU K U UK UV { 32,9 K JKX $ $ # {% J ¤X ># $ % # AÑOS 2007 2008 2009 2010 2011 ^ = K U U | K | { U K% + {K $% DEPORTES ALUMNOS W {U | ! K U K Tenis U% ' # % Síntesis de capítulo '$ cuadros o tablas, %{ # % + cuadro Y > % www.FreeLibros.org CAPÍTULO DOS DISTRIBUCIONES DE FRECUENCIAS 89 \ al cuadro % La ! > $ % # $ { # # <diagramas Yhistogramas, polígonosojivas % $ pictogramas, barras, cartogramas % # % www.FreeLibros.org www.FreeLibros.org CAPÍTULO UNO CONCEPTOS GENERALES 3 Medidas de posición y de tendencia central Los sabios son los que buscan sabiduría: los necios piensan ya haberla encontrado. Napoleón Bonaparte 91 CONTENIDO ! generales. " } = <& & & & ! W } $ \ % ' = % *# + % ; en el Sistema de Información en Línea SIL. COMPETENCIAS $ < % % * % www.FreeLibros.org 92 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO ASPECTOS GENERALES # estadística # descriptiva ! $ medidas de posición dispersión % Las medidas de posición o de tendencia central, !promedios } # % # } madores o estadígrafos% # parámetros o valores estadísticos % * % Y ! % ' ² # $ $ $$ % CARACTERÍSTICAS, USO, VENTAJAS Y DESVENTAJAS DE LAS MEDIDAS DE TENDENCIA CENTRAL Y DE POSICIÓN. +promedio ] # % W < ' % ' % ' $ % $ \ # $ % ' $ % ' ! www.FreeLibros.org CAPÍTULO TRES MEDIDAS DE POSICIÓN Y DE TENDENCIA CENTRAL 93 ! # % W ! % ' # % ' $ $ $ % El promedio ! %* # %~ # media aritmética. MEDIA ARITMÉTICA: X = Es la medida de posición o promedio$ $ %* ! > Ventajas El promedio aritmético # $ $ % # ! n {²n % $ $ de tendencia central o de posición\ < { K ! $K % ! % % $ $ $ !% Desventajas > \ $ # % ! promedio aritmético, la medianamodo ! \ % www.FreeLibros.org 94 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO + Y! % # % a ay ax M[x] M[y] x y M[x] *suma de todos los valores observados, divididos por el número total de observaciones' % Media aritmética simple * < Ejemplo 1%W ! {+ K U \ $< Ejemplo 2%W J K+ KX U % % Media aritmética ponderada. * tabla de frecuencias, %% Ejemplo 3%* { <KKKK% ~ ! $< www.FreeLibros.org W ! { } $ % CAPÍTULO TRES MEDIDAS DE POSICIÓN Y DE TENDENCIA CENTRAL 95 ; # < !* } Ejemplo 4. U $ ! $ < U Ejemplo 5.W $ ! % * % Cálculo de la Media, utilizando Frecuencias Relativas www.FreeLibros.org ! $ < 96 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO Ejemplo 6. JK%{ K%X ! # # % DESVIACIONES * Desviaciones con respecto a la media aritmética ! datos sin agrupardatos agrupados Zi o di Ejemplo 7.= <{ {KK% % Ejemplo 8.* JK%{X KKU $< www.FreeLibros.org CAPÍTULO TRES MEDIDAS DE POSICIÓN Y DE TENDENCIA CENTRAL 97 Ejemplo 9. = $ %~ ! K%KVU% PROPIEDADES DE LA MEDIA ARITMÉTICA * & ! # # $% a) La suma de las desviaciones respecto a la media, siempre serán iguales a cero. Aplicación Nota: * \ # { KKUUUU % b) La media aritmética de una variable por una constante, es igual a la constante por la media aritmética de la variable. Aplicación www.FreeLibros.org 98 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO ~ $¶ ! % c) La media aritmética de una constante es igual a la constante %* $ JX J= X d) La media aritmética de una variable más una constante, es igual a la media aritmética de la variable. $ Aplicación e) La media aritmética de la suma de dos variables, es igual a la suma de las dos medias correspondiente a las dos variables.W $ % f) La media aritmética de dos muestras, es igual, a la media ponderada de las submuestras, siendo sus ponderaciones los tamaños de esas submuestras. Aplicación Muestra Submuestra 1 Submuestra 2 www.FreeLibros.org CAPÍTULO TRES MEDIDAS DE POSICIÓN Y DE TENDENCIA CENTRAL Muestra Submuestra 1 99 Submuestra 2 EJERCICIOS PARA RESOLVER ~ # Sistema de Información en Línea SIL. {% ! ! ! % Xi yi < { K U fi ni < { { { K% * < X ! % X % X ! % X % U% < X ' %~ % X + & Y %$ % % % * | #KK #} { #% www.FreeLibros.org % ' {| { %* {K $ 100 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO |% + K {V # {U # {|U # %$ % * $ V%~ _ |U __U%* K| _%$ __ V% ! K # # %* #K %$ \ {% + { % %* {U $ {{% # V{ VU%~ {K |K % * U {K # \ U # {%$ U {K% ~ ! ¤VK%% ~ ! ¤V|%¤%%' % {U% W ¤VU% K{% = > ¤|%%W %$ {% W|{K%* |$ \ W {% U {|>{ KK$ %$ % {% #¤{%| # ¤{|%¤{V%|$ # {|% * $ {V {|%~ # { K {V { {| %$ {%'{ ! < X ! ¤UKK|KUJ& X% X ¤U X~ www.FreeLibros.org CAPÍTULO TRES MEDIDAS DE POSICIÓN Y DE TENDENCIA CENTRAL * U 101 % {V% ~ % J& X % | %~[ ¤V% % * ! $ ! \ % # K% ' ciertas o falsas % K{% *> <X %~K U %~ $V%X* H6|H3U y6 y4X #¤U% ¤|% ¤% ¤|%%X= ! %X| \ {% KK %X* K ! ! % KK% cierto o falso <X~ %X+ $ ! %X= # % KU% + Y ! <{ Y U U Y { Y | Y { Y V % X$ X$ X$ X! X$ X $ % K ¤%% <X YX $ ¤K% %$ K% ¤K%% ¤U%Y U#%$ $ www.FreeLibros.org 102 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO K% +! # # %* > J& ¤X # < * <X~ ! %X~ %X$ $ = ! K|% + \ # %' > < ' # >% K% ' $ {K % ¤K%%* $ ¤% $ %$ $ KV% + ! ¤V%% ~ ¤|K%|U ¤{%|%% $ $ ! U% %~ ¤VK% ¤|% $ \ %* $ ! ¤V%$ { !% U{% + J& ¤X% ¤ |U { |{ | ~ { {$ ¤K%%$ $ www.FreeLibros.org UK% % X! ! CAPÍTULO TRES MEDIDAS DE POSICIÓN Y DE TENDENCIA CENTRAL 103 X! ! X* ! = ! ! UU% + $#< ¤K%Y{%K¤%Y¤{%²K%¤²%X$ X$ U% W # \ <UY{YUKYUY%X$ XW \ YUKYYKYUY{$ MEDIANA ME ! Mediamedida de tendencia central%* # $ < *aquel valor de la variable que supera a no más de la mitad de las observaciones, al mismo tiempo, es superado por no más de la mitad de las observaciones” %* Me Ventajas # \ ! % ~ $% muestreo ! % Z \ tendencia central es la mediana $ Desventajas media aritmética. * % $ ! $ % ! % www.FreeLibros.org 104 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO Cálculo en datos sin agrupar u originales a) Número impar de observaciones.! % Ejemplo 1%* <x{=2 x2{ x3 x{K impar n < K{K{ La mediana $ Me XNúmero par de observaciones.W \ % $ % Ejemplo 2.* #< Y $ } < Cálculo en datos agrupados o en tablas de frecuencias ^ % Variable discreta Variable continua www.FreeLibros.org CAPÍTULO TRES MEDIDAS DE POSICIÓN Y DE TENDENCIA CENTRAL 105 Pasos a seguir en el cálculo de la Mediana Variable discreta Ejemplo 3 mediana KU K% ! ! % { { { { { K K K K K K U U U U U U U U La mediana {£{£ K { { { { { K K K K K 2 2 U U U U U U U Mediana ' <^ Pasos a seguir en el cálculo de la mediana en la Variable continua ' <^ www.FreeLibros.org 106 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO W # $ Pasos a seguir en el cálculo de la Mediana X % X~ n²K% X % * Nj{ Nj% $ Nj{ Nj. X n²K Nj{(Nj{ = n²KXY $Nj{ < n²K% % www.FreeLibros.org CAPÍTULO TRES MEDIDAS DE POSICIÓN Y DE TENDENCIA CENTRAL 107 MODO – MODA O VALOR MODAL MD * “el valor de la variable que más se repite” o “aquel valor que presenta la máxima frecuencia”%= dos Modas es Bimodal$ plurimodal o multimodal%\ # % Modo, Moda o valor Modal \ $ %* {%V ¶ = % Desventajas modo medida de tendencia central% asimétrica Modo$ modo aritmético modo. En series plurimodales % * % Ventajas * $ % % % % Datos sin agrupar u originales Ejemplo 1. <{{{{K{K %n{ Media → x = ∑x 5 5 90 =9 10 n Mediana → Ordenamos los datos de mayor a menor o de menor a mayor i = 5 5 8 10 10 12 12 18 Me n + 1 10 + 1 a = = 5, 5 La mediana se encuentra entre la 5 a y la 6a observación 2 2 x j −1 + x j 8 + 10 Me = Me = Siendo: =9 2 2 Moda → Corresponderá a 5, siendo el valor de la variable que más se repite → M d = x j = 5 Posición: www.FreeLibros.org 108 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO Ejemplo 2. JUX % Caso 1 { {K { {K {K 8 ≅ 9, 6 9 Mediana → Ordenamos los datos de mayor a menoor o de menor a mayor Media → x = Posición: Moda → n +1 9 +1 = = 5a 2 2 5 5 5 8 10 12 12 12 18 ncontramos en esta serie de 9 datos, que el 5 y el 12 se repiten veces n mero mayor de repetición por lo tanto ayy dos modas y en este caso se dice que es bimodal. Si ay mas de dos modas se abla de Plurimodal o Multimodal. Md = 5 y M d = 12 Caso 2 {U {K { {K { {{ 80 =8 10 Mediana → Ordenamos los datos de mayor a menor o de menor a mayor 10 + 11 = 10, 5 Me = 2 Moda → No hay, dado que ninguno de los valores de la variable se repite más de una vez. Media → x = Datos agrupados Moda $ a %Z % a) Variable discreta X Variable continua www.FreeLibros.org CAPÍTULO TRES MEDIDAS DE POSICIÓN Y DE TENDENCIA CENTRAL 109 $ $ &% ~ nj, nj{ } nj{. Modo nj{$ <nj{. nj{<nj <nj{ Modo > % \ & $ % a) X X d) Z & } %W %= < } ni/ci } & $ JyiX% $< Md = yJU Relación entre la Media, Mediana y el Modo. www.FreeLibros.org * % Mx = Me = Md Mx <Me <Md Mx >Me >Md 110 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO # & # % ! # #% W < Md = Mx – 3(Mx – Md ) EJERCICIOS PARA RESOLVER ~ # Sistema de Información en Línea SIL. U% \ %JnKX U% ! < %JnX U|% \ <K% K% U% U%K % % % |% %X~ X& X& X! X$ $ U% ~| < * % UV% + $ J ²X < % <* KV ² www.FreeLibros.org % > \ < CAPÍTULO TRES MEDIDAS DE POSICIÓN Y DE TENDENCIA CENTRAL 111 {% & #% K% # #$ % a) Me | Md X | Me | Md | X Me | Md X | Me | Md U% $ \ %$ XX|XUU{U % < X~ ! % X~ % % % + {K + ¤<{%|K|{%V|K%{ |K{|K% $ = ! |% * $ ! www.FreeLibros.org 112 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO % + \ V ! <|VU{|K|$ V% * J X $ JX $ J}X* #$ #<{K}{}{K}{}}{% % % % MEDIA GEOMÉTRICA MG MO G * # $ Media aritmética.* ! $ ! # % La Media geométricamo “la raíz enésima del producto de los valores que toma la variable” ·productoria # #% Ventajas * # $ % * > % % * % * $ ! % * # ! % Desventajas $% * $ % * $ % www.FreeLibros.org CAPÍTULO TRES MEDIDAS DE POSICIÓN Y DE TENDENCIA CENTRAL 113 Cálculo en datos sin agrupar. Ejemplo 1.* JnX <xi <K%* ! Solución: <X* $ # %X* $ $ # %X*# n $ $% " %^ < ; $ M = anti % Cálculo en datos agrupados. Ejemplo 2. Ejemplo 3. www.FreeLibros.org 114 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO Ejemplo 4.~ ! U\ ! M = * \ % . Solución: J \ { X Ejemplo 5.* # {VV| {K K{{%$ $ J X # & Ejemplo 6.* ¤% K K%%* # U{ K%U{ K{{% Solución: MEDIA ARMÓNICA: MH M{ $ %^ > ! % * <dada una serie de datos, el inverso de la media armónica, es igual a la media aritmética del inverso de los valores de la variable. www.FreeLibros.org CAPÍTULO TRES MEDIDAS DE POSICIÓN Y DE TENDENCIA CENTRAL 115 Ventajas * $ % ' $ % Desventajas % $ # $ $ % Datos no agrupados Ejemplo 1.* { < xi K K K K % * ! $ < M–{<Mx Datos agrupados Ejemplo 2% variable discreta & $< {}^W;_W~'_*;W K}^W;_W~_+W ~ } ! % " www.FreeLibros.org 116 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO H media armónica la velocidad media %* < Si = Vi ti Si= espacio Vi= velocidad ti= tiempo Vm= velocidad media Ejemplo 3. { % % % %$ $ Solución: A continuación veremos una forma errónea en la aplicación de la media aritmética. En este caso en particular, debe aplicarse la media armónica Ejemplo 4. + {K {K %+ {K #%* K % Solución: * ! # * {#J{K²{K{X } |#J{K²|XYK #{|#Y {| } #{ # K K & < ~ } % \ { } {|# # K # K % www.FreeLibros.org CAPÍTULO TRES MEDIDAS DE POSICIÓN Y DE TENDENCIA CENTRAL 117 EJERCICIOS PARA RESOLVER ~ # Sistema de Información en Línea SIL. {% ! < K Z ! ! < U{UKKV $ ! U% <K{KK X ! ! % M{ > M > M { X % $ < M{ > Me > M d o M{ < Me < M d % ~ J ¤X K{{ < y’| n{ N2 K n3 K y{U X{U X’| f{ F2 K f3 K * ! ! % % + %~ {K Y {K{ YK %W! | % + V%* \ K U % |% + #%' K \ # %$ % + W W % V% ~ W #%+ WU W %' % www.FreeLibros.org % ' {U %* > ¤{%K ¤{%¤U%%$ # |% < * % MEDIA CUADRÁTICA: M2 * % %~ $ # $ % # ! % www.FreeLibros.org * la raíz cuadrada de la media aritmética, de los cuadrados de los valores que toma la variable”. CAPÍTULO TRES MEDIDAS DE POSICIÓN Y DE TENDENCIA CENTRAL 119 Ventajas % Desventajas * $ # $ % * ! demasiado grandes. Datos sin agrupar Ejemplo 1.* <xiK $ \ % Ejemplo 2. ! $ % MEDIA CÚBICA: M3 %* “la raíz cúbica de la media aritmética de los cubos de los valores de la variable www.FreeLibros.org 120 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO Datos sin agrupar Ejemplo 1% & $ xi K% ^< UU ¸ U|V ¸ | % * ! <M{¸M¸M{¸M2¸M3 $ $ % Datos agrupados Ejemplo 2. $ & \ %^ < Ejemplo 3. ! \ | ! %* $ \ % Solución: www.FreeLibros.org CAPÍTULO TRES MEDIDAS DE POSICIÓN Y DE TENDENCIA CENTRAL 121 RELACIÓN ENTRE LAS MEDIDAS DE TENDENCIA CENTRAL O PROMEDIOS. X ! = Me = Md ' Simétrica > Me >Md * ' Asimétrica positiva < Me < Md ' Asimétrica negativa ~ $ # % X* ! Mediana MediaModo $ \ % – Md = 3( MeX Md = 3 Md K X > $ % M{¸M¸M{¸M2¸M3 CENTRO RECORRIDO CR ! % J' X J^ X J^ X Ejemplo 1. * < xi = K{K|{* $< Ejemplo 2. * % www.FreeLibros.org 122 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO CUARTILES, DECILES Y PERCENTILES $ \ ! % Cuartiles, en el Deciles Percentiles o Centiles. $ <Q{primer cuartil, Q2 segundo cuartilQ3 tercer cuartil. El primer cuartil, K |% El segundo cuartil, % & En los deciles, el séptimo decil, | U% H percentil cuarenta % % Datos no agrupados Ejemplo 1. <{{{K{K{U{KKK{KK X= %X XUV % aX ~ % {{{K{K{U{{KKKKKn{ a) Para el primer cuartil www.FreeLibros.org CAPÍTULO TRES MEDIDAS DE POSICIÓN Y DE TENDENCIA CENTRAL 123 Datos agrupados * < a) Cuartil tres%~ #< % JVXNj-{ |VNj%W % Variable Discret ¹Q3 = yj K% yj Nj si variable discreta. Variable continua. Mediana, < K Nj XDecil seis' #< Nj {UNj V% W % XPercentilil %~ < posición. W www.FreeLibros.org $ %Nj {V Nj |V 124 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO EJERCICIOS MISCELÁNEOS PARA RESOLVER ~ # SIL. % + ># # \ {# J\ X< }U { } {K K }{ { X* ># # $ # # X* J X ! # * >#! ! # V% < X X' X' X! $ |% < |{% + ># ! ¤{%K%V%~ ¤|%U ¤{%UK% % X$ $ ! ># X* ¤U% ! $ $ ># |K% ! %$ # Y! www.FreeLibros.org |U% ¦ < $ \ ! % CAPÍTULO TRES MEDIDAS DE POSICIÓN Y DE TENDENCIA CENTRAL 125 |% < x{ x2{ x3 x x x{K X &¸&O¸&l¸&2¸&3 X * ! %$ # ! ! |% * ># < W;`* &; *W~W;_&*+W~ ' 2 {%VU% * {%{% {%U|% {%U% W K % {{ V% * < X % X %$ $ |% $ W{K K#>Y { K{# >%* $ KK|#%$ KU#> ||% ' # ! \ % ' W< { 2 3 | 9 { W+*< 3 2 { 3 2 ¤{%% ¤K|%$ $ %$ $ {# |% * ¤{%K%% K # %~ U % +> ! ¤|% %$ $ |V% ~ U' \K{K{{ # www.FreeLibros.org 126 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO < X ~ % X ~ \ $ ! % {% % # $ % % ~ < % % ~ #! % % K% % + $ % % + $ % K% < % % % % U% * ! \ ! %$ \ % ¤{V%% < JX YJX $ ¤% %$ % ' #UW %* \ ¤%WK %$ % * W U K%' ! W U|% www.FreeLibros.org CAPÍTULO TRES MEDIDAS DE POSICIÓN Y DE TENDENCIA CENTRAL |% * y2 = 22 y’ nln3Kn m nn{ 127 C n2n{ nln = 2 n2| * \ % % ' !< a) x X x| &eK &o &d &2|K &—lU &3| V%'\ {K{K ! \ $ % V% verdadero # %* $ $ % X W más de un % X + más de una media ! % X ~media cúbica #! % X ~ origen de trabajo % X J X es impar % f) La media < % g) La moda $ % V{% + $ K U$ ¤{%K%UK $ ¤% $ %$ $ VK% nK JWX < www.FreeLibros.org 128 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO X ! % X J X% % X J X% VU% < X ~ ! X <Md = 3Me}KMl X ~ < $ \ % V% ' \ \ 3 657 ! | % * \ % V% * ! \ ! %$ V% $ % xi< K { K { K V|% Z $ y’i { y’i K{ — { — { {{ — { {{ — { {{ — 22 X’i — X’i ni 3 | { U fi V% Síntesis de capítulo ~ } % W % = } $ % www.FreeLibros.org CAPÍTULO TRES MEDIDAS DE POSICIÓN Y DE TENDENCIA CENTRAL 129 Z } } % * $ % W < % $ } %Z $ ! % } % $ # % Reglas para el uso de los promedios ! % = % ! le mediana o el modo. + % $ > ! % $ mediana o el modo. ! % % J X % $ ! % ! www.FreeLibros.org 130 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO ANEXOS A LA UNIDAD 3 * $ # ]~ $ $ $ % APLICACIONES CON LA CALCULADORA Calculadora CASIO fxF Primero.* MODE ] #SD Segundo. * $ *Z_" DEL ] . Tercero.* J X% Ejemplo 1. <xi<{KU|_ e DT DT DATA {K# % Ejemplo 2.= n xi <K{ ni <U{{KV ~ $ < 2 *Z_" Y DATA # % *Z_" Y 3 e ~ $ DT H $ < { J xi2 yi2 ni *Z_" =;` 2 J xi yi ni 3 J n { J x W *Z_" 2 J x 3 J x y n n – { Calculadora CASIO fxUMS G Primero.W MODE COMP SD ;` { 2 3 2 SD $%^ { % Segundo% *Z_" MODE J~;X { SCL . www.FreeLibros.org Tercero%~ % Cuarto%~ < 131 CAPÍTULO TRES MEDIDAS DE POSICIÓN Y DE TENDENCIA CENTRAL { Con *Z_" Con *Z_" { 2 2 J xi2 yi2 ni J yi ni xi 3 J n { J 2 J x y n x J xn – { 3 Calculadora CASIO fx|MS Primero. W &=~H MODE { COMP 2 MODE SD ;` W* { 2 3 = { SD Segundo%= ' < DT { DT # % #< 2 Y 3 Y % # % Tercero%~ < Con *Z_" { #<{ xi2 Con *Z_" 2 #<{ x 2 xi 3 n 2 x n 3 x n – { Calculadora CASIO fxUTL &' { COMP 2 SD 3 ;` 2 } %~ $#< Con *Z_" { x ¹& ! Con *Z_" 2 xn +' # Con *Z_" 3 xn – {¹' # W ;~ A C ;~ A xi2 ;~ xi ;~ C n % TRABAJO EN EXCEL PARA EL CÁLCULO DE LA MEDIA = $ < Z~_W«~_*_*''W*%= W«~_*_*''W* W«~_*_*'W*J^ # KX www.FreeLibros.org 132 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO " %{%& Z~_\W«~_*_*''W*% $ *W' *_W'*;_=_^W% " %K%" $ www.FreeLibros.org ~ ~_W=W; $ < CAPÍTULO TRES MEDIDAS DE POSICIÓN Y DE TENDENCIA CENTRAL " %U% # ' 133 %{}~ *_~ %~ *_~ {{ #% %{%= _ No. Facultad Orden Sexo No. Hermanos No. Libros leídos Promedio calificación matemáticas Actualmente Calificaciones Edad/años Estatura/Cm trabaja ICFES Peso/Kg 1 2 1 3 4 2,6 1 410 18 140 2 2 2 2 2 4,1 1 360 20 158 46 48 11 2 1 8 5 3,6 1 320 20 168 65 16 2 1 0 4 3,8 1 300 19 166 64 17 2 1 6 2 3,1 1 270 21 168 60 75 3 2 3 3 3,1 1 280 19 154 50 147 3 1 1 8 5 1 310 17 174 83 148 2 2 4 2 4,2 2 310 16 182 70 149 1 1 6 3 2,6 1 320 20 178 88 150 3 1 2 4 2,8 1 400 24 165 70 151 1 2 0 6 3,4 2 380 20 165 58 152 1 2 0 3 2,8 1 310 20 171 59 153 1 2 3 5 4,2 2 350 22 169 64 154 2 2 4 8 4,1 2 400 23 172 68 155 2 1 2 2 4 2 400 24 163 72 156 3 2 6 2 4 2 380 20 165 58 157 1 1 5 2 3,6 2 420 26 178 88 158 1 1 6 2 3,2 1 300 20 182 84 www.FreeLibros.org 159 3 2 2 6 3,8 2 315 19 180 70 160 1 1 4 4 4,2 1 310 18 174 81 276 1 1 0 2 4 2 350 19 162 69 277 1 1 0 6 3,8 2 320 20 168 68 134 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO 276 1 1 0 2 4 2 350 19 162 69 277 1 1 0 6 3,8 2 320 20 168 68 376 2 1 0 4 3,8 1 300 19 166 64 377 2 1 6 2 3,1 1 270 21 168 60 378 1 2 3 6 3,9 2 260 27 165 68 379 2 2 0 2 3,9 2 290 26 171 66 380 3 1 0 3 4,1 1 380 30 169 72 381 2 2 8 7 3,9 2 410 24 168 70 382 3 1 0 10 4,4 2 420 25 180 84 383 1 1 1 3 4,2 1 390 22 174 80 384 2 2 6 6 4 2 370 23 166 68 385 3 1 0 11 3,9 2 290 24 162 60 386 3 2 0 8 3,9 2 300 19 151 66 387 2 2 2 2 4 1 330 18 158 60 388 1 2 3 2 3,3 2 310 17 159 58 399 1 1 2 2 4,5 1 300 28 150 56 400 3 2 0 6 3,6 2 280 17 148 46 408 1 1 0 3 3,5 2 270 17 163 65 440 1 1 4 3 2,7 2 320 15 168 76 441 3 1 0 3 3 2 290 17 171 82 442 3 1 0 6 3 2 410 18 174 86 443 1 1 4 2 3,6 1 400 19 176 84 444 2 2 7 4 3,8 1 380 20 180 70 445 3 2 2 2 4,5 2 360 17 178 69 814 2 2 3 10 2 1 280 18 165 60 815 2 2 2 8 4,3 2 270 18 160 61 816 1 1 0 2 4 2 350 19 162 69 817 1 1 0 6 3,8 2 320 20 168 68 818 1 2 2 2 3,6 1 320 17 174 68 819 3 1 3 2 4,6 2 410 16 176 69 820 2 2 1 6 1,8 1 240 17 172 69 821 3 1 3 5 3,1 2 280 17 169 76 822 3 1 8 5 1,9 2 250 16 164 70 828 2 2 0 6 4 2 370 17 174 69 869 1 1 6 3 2,6 1 320 20 178 88 870 3 1 2 4 2,8 1 400 24 165 70 871 1 2 0 6 3,4 2 380 20 165 58 997 1 1 0 6 3,8 2 320 20 168 68 998 1 2 2 2 3,6 1 320 17 174 68 999 3 1 3 2 4,6 2 410 16 176 69 1000 2 2 1 6 1,8 1 240 17 172 69 1068 3 2 2 2 3,4 2 300 26 172 70 1069 2 1 6 6 3,6 1 310 21 164 68 1075 1 2 3 2 2,6 1 270 15 165 60 1082 3 2 3 8 3,6 1 320 32 165 64 1083 1 1 6 10 2,9 2 370 30 162 70 1084 1 2 0 8 3,4 2 400 28 163 58 1085 1 2 3 6 2,6 1 270 15 168 56 1096 1 2 2 2 3,6 1 320 17 174 68 1097 3 1 3 2 4,6 2 410 16 176 69 $ %U%*W' *_W'*;_=_^W $ } < ~ ;W`';W'W &;'Z;&W* 'K<'%' % www.FreeLibros.org % CAPÍTULO TRES MEDIDAS DE POSICIÓN Y DE TENDENCIA CENTRAL " %% # ' 135 J= W X Z ~_ ;+~* ~W =;_&;W "_~W % #=_*'*W~_'W % ;W` ' *W~_'W &U% W ;*+&'*W' *_W*Y_^~'"_WW=W;W ~W &'_W V # % ! ¶}*_&&WH;H¶}*_&&; ~_ % \ { \ $ % " ~_ W=W;% W ~_ W=W; % $ # U % ~ % & # & W #&# &$ *# &;'Z;&W*% www.FreeLibros.org 136 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO " % ; No. Hermanos Media # Mediana Moda ' $ ^ # ; &# &$ * & J{X & J{X JVX KVU| {K|{U 2 KVKVV UU K|{V {K|||K {K {K {U {K KVV{ <= J; # Y ¶}! ¶}! X % * $ '_W ;W~ '_*=;} *_ $&;' Z;&W* %{%$ < * ~'W % &+* ~_ % ' $ _*;W;"+_% " %%_ " www.FreeLibros.org %{%; $ Medidas No. Hermanos No. Libros leídos Promedio matemáticas Actualmente trabaja ICFES Estatura/Cm Peso/Kg K|VV {{ UVKVU {{{U U{V| KUVUU {VUUU |{{|K|K| # ||KV{ V{ {V|K{ {U|VVUV {UU|K| {KVV KKKVK{ K|{KV| Mediana 2 U 2 U{ K { Moda 2 U 2 U{ K { ' $ KK{||V K{UV{ K|K|V ||{{|| K|VU {UVU |U|VUUKU{ VV{|K ^ {{ |VKU KVUKKU KK|K{{V {V|K| {|VK{ KU{{ |{{U }U|UV|K UU|K }{V|UV }KKUKK{ V{|K| {UVU|K }K|{ {VV{ |{|{V }K|UK }U||K UKU {KUVVV }VV{ U ; {K {K U { { { K &# { { K { { &$ {K {K 2 K 33 {V * KV {K| UU{ {{ U|V{ KKU {UU |UKV {VV {VV {VV {VV {VV {{ {{ {{ & J{X {K {K 2 K 33 {V & J{X { { K { { {{ {|U{ U|U|V KK{K K{KU K{UK UU{ U{|VK # JVX CAPÍTULO TRES Nota. # "W+~} W'*];WW[W% # % MEDIDAS DE POSICIÓN Y DE TENDENCIA CENTRAL Media 137 www.FreeLibros.org 138 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO " %%& % &W;_%* %{ % =;W[ JX $ &'_WK% %|% " %|$ J\ X www.FreeLibros.org CAPÍTULO TRES MEDIDAS DE POSICIÓN Y DE TENDENCIA CENTRAL 139 Nota: =*__ '_*=;*_ % $ $ ; W ~W&'_WW&'WH&'_W`&;_W ! $%' # % MEDIANA- ME < X \ _&=W;% &'_WW % Ejemplo: U {K L { U Me X \ =W; % ! Y # % Ejemplo: U {K { U O P &J{K{X²K{ " %%& J= W X www.FreeLibros.org 140 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO " %%& J= W X $&'W$&'_'W* &;{! %{ &;'Z;&W*%~ ! &'_WW K%% < # % $%{% MODO = MODA = VALOR MODAL: MD * $ %= $&'W _&'W~ =~+;_&'W~%* +_&'W~ % _&'W~=~+;_&'W~ &'W % ~ $&'_W&'_WW <J" % 9). < &'W $ ! %% % www.FreeLibros.org CAPÍTULO TRES MEDIDAS DE POSICIÓN Y DE TENDENCIA CENTRAL 141 " %V%& MEDIA GEOMÉTRICA : MG = MO * #! % n ––––––––––––– " Mo = eX{.X2................ Xn n n ––– Mo = e i={ ·xi " %{% &J\ X www.FreeLibros.org 142 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO &'_W &'_WWH &'W% Z ~_ fx W`; W *W' *_W &'_W`&;_W ~_W=W;% MEDIA ARITMÉTICA PONDERADA = $&'_W=';W'W < JyiX< J>XY JniX\ %= $ < *+&W=;'+JWK<WVYK<VX²*+&WJK<VX " %{{%& W ! = 2i ni y = K n __ www.FreeLibros.org CAPÍTULO UNO 4 CONCEPTOS GENERALES Medidas de dispersión, de deformación y apuntamiento Estudia no para saber algo más sino para saberlo mejor. Ya que el saber más que los otros es fácil. Lo difícil es saber algo mejor que los otros a 143 CONTENIDO Aplicaciones prácticas de las medidas de Dispersión o de deformación, Asimetría y de Apuntamiento. ' } caciones. & <^ ' } # =} taje típico, Rango o recorrido. Medidas de asimetría. Medidas de apuntamiento. Síntesis de la unidad. Ejercicios para Resolver, resueltos en el Sistema de Información en Línea SIL. COMPETENCIAS El estudiante deberá estar en capacidad de: Seleccionar, comprender y aplicar cada una de las medidas, en casos que lo ameriten. Manejar los conceptos, fórmulas, usos e importancia que cada una de estas medidas lo exige, no sólo en los talleres, sino en casos reales. Comprender sus aplicaciones y agilizar sus cálculos. Entender los conceptos, las ventajas y desventajas en su aplicación. www.FreeLibros.org 144 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO CONCEPTOS GENERALES Estos primeros cuatro capítulos han sido dedicados a la estadística descriptiva. Comenzamos con el manejo de términos y conceptos, luego, el uso de la simbología para hablar un mismo lenguaje, lo cual $Y promedios y ahora, el cálculo de las medidas de dispersión, que será el tema de este capítulo. Al calcular un promedio, por ejemplo la media aritmética, no sabemos hasta donde se dá la repre} sentatividad para ese conjunto de datos, sin embargo es posible determinar si hay concentración de datos alrededor del promedio, el cual nos indicaría una buena aplicación, por el contrario una gran dispersión # # datos. Aún más, las medidas de dispersión son indicadas cuando queremos evaluar dos o más promedios. = # # U% MEDIDAS DE DISPERSIÓN Supongamos que dos distribuciones de edades tienen igual media, pero diferentes grados de dispersión, $ $% UK}K{K} {K¸ } Y K>$ % VARIANZA : S2 ó ¼2 Las medidas de dispersión más conocidas y utilizadas son la varianza y la desviación típica o estándar. Esta última, es la raíz cuadrada de aquélla. www.FreeLibros.org La varianza< la media aritmética de los cuadrados de las diferencias (desviaciones) entre los valores que toma la variable y su media aritmética. Su símbolo es SK ¼KJ al cuadrado) en la población. CAPÍTULO CUATRO MEDIDAS DE DISPERSION, DE DEFORMACION Y APUNTAMIENTO ato a 145 a Jxi x )K {X S2 = ––––––––– n J XY xiK n x K KX S2 = ––––––––– n K x K UX S2 = ––––i x n JXi )K ¼K = ––––––––– N Xi K N K ¼K = ––––––––– N 2 X i K ¼K = –––––– N Veamos con un ejercicio cómo se aplican las fórmulas anteriormente presentadas, obteniéndose un resultado igual a la aplicación en cada uno de ellos. Ejemplo 1% J X ! x{= xK= U Jxi x )K {X S2 = ––––––––– n xU= { x4 = x= { K d i S K =––––– n Procedimiento de cálculo Se calcula la media aritmética, por cualquiera de los procedimientos que han visto. En la primera fórmula, se establecen las diferencias entre los valores de la variable con respecto a su <Jx{ x–)KJxK x–)KJxU x–)K y así sucesivamente. www.FreeLibros.org = xiK, se debe tener presente que corresponde a la suma de x{K + xKK + xUK y así sucesivamente. 146 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO ato a a o Las fórmulas son casi iguales a las anteriores, salvo que los valores están ponderados, es decir, multiplicados por las frecuencias absolutas o las relativas. Ejemplo 2. Calculemos la varianza para la siguiente distribución, aplicando las tres fórmulas anteriores. Siendo el procedimiento igual tanto al trabajar con variable discreta o continua. 1) 6 2 = Σ( \ − \ ) 2 Q 523,75 = = 26,1875 Q 2 62 = ΣG2 I Q 2) 6 2 = Σ \ 2 Q − Q \ 2 4.875 − 20 (14,75) 2 = = 26,1875 Q 20 62 = Σ;2 I − Q;2 Q 3) 6 2 = Σ \2 Q − \ 2 = 4.875 − 14,752 = 26,1875 Q 20 62 = Σ;2 I −;2 Q Hay dos fórmulas más, conocidas como métodos abreviados, utilizando las desviaciones con res} J X $ desarrollados. Se pudo observar en el ejercicio anterior que en el cálculo de la varianza, utilizando las diferentes fórmulas, producen el mismo resultado cuando son aplicadas en un mismo conjunto de observaciones. www.FreeLibros.org CAPÍTULO CUATRO MEDIDAS DE DISPERSION, DE DEFORMACION Y APUNTAMIENTO 147 Propiedades de la varianza a: La varianza debe ser siempre un valor positivo. SK¥% a:~ % V[ ]M[ – M(K)]KM[ – ]K a: La varianza de una constante más una variable, es igual a la varianza de la variable. V[y+ ]V[y ] + V[ ]V[y] V[x+ ]V[x] +V[ ] V[x] Válido también para la diferencia: V[x – ]V[x] – V[ ]V[x] a ta: La varianza de una constante por una variable, es igual al producto de la constante al cuadrado por la varianza de la variable. V[ y]KKV[y]KKSKy ta: = $ $ submuestras, se aplica la siguiente fórmula: S{Kn{+ SKKnK+... Jx–{–x–)K n{Jx–K–x–)K nK+... K S ––––––––––––+ –––––––––––––––––––––– n{+ nK+... n{+ nK+... –x n + –x n +... { { K K –x –––––––––––– sabiendo que: n{+ nK+... Ejercicios de aplicación de las propiedades Ejemplo 4. Primera propiedad: supongamos que se tienen dos distribuciones A y B y se desea aplicar la fórmula de la varianza en ambos casos. a) xi : 8 2 10 6 4 –x b) yi : ni : 0 4 1 6 2 5 3 3 4 2 –y { K Las varianzas serán: xiK n x K KK JXK 2 xK n x K a) S2= –––––––––– = ––––––––– = 8 S = ––––––––––– n n yiKni n y K KJ{XK b) S2= –––––––––– = –––––––––––– = 8 = {K| {U n K Observemos que en ambos casos se cumple la primera propiedad, la varianza de una variable siempre será mayor a cero J*K¥X%= $ % Ejemplo 5. La segunda propiedad, no requiere que se haga un ejercicio de aplicación, pues si consideramos $ cuatro y la varianza será igual a cero, pues ninguna nota será superior o inferior a cuatro es decir, no hay variación. Ejemplo 6. Tercera propiedad: consideremos que las dos variables del ejemplo 4 están dadas en la misma unidad de medida, por ejemplo en kilogramos, y se requiere que el resultado se dé en libras J K XY $< www.FreeLibros.org xi : { 4 K {K 8 x {K y SKUK K 148 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO J{KXK S2= –––––––––––= UK K V[ +y] K S2 KKJXUK K Algo similar ocurre al trabajar con datos agrupados. Observe que el resultado obtenido, siempre será expresado en las mismas unidades, pero al cuadrado. Con los datos del ejemplo 4–b se harán los calculos Ejemplo 7. Cuarta propiedad: si procedemos a sumarle una determinada cantidad a cada valor observado, $xi<{U|{{{VJ X La media será: –x {{ Se podrá comprobar aplicando la fórmula: En datos agrupados al aplicar la cuarta propiedad, se tendrá que: yi ni { K U 4 4 U K K Ejemplo 8. Quinta propiedad< J X siguientes: –x = –x = { n = n = K s K= 8 s K= {U { K { K { K * K quinta propiedad. + 6 (5) + 1,65 ( 20 ) = 2,52 25 www.FreeLibros.org = 1 1 2 2 = CAPÍTULO CUATRO MEDIDAS DE DISPERSION, DE DEFORMACION Y APUNTAMIENTO 2 = 2 1 1 + 2 2 2 + ( 1 − )2 1 +( 2 − )2 149 2 (5) 8 + 1,53 (20) (6 − 2,52) 2 5 + (1,65 − 2,52) 2 20 + 25 25 2 = 2 = 2,824 + 60,552 + 15,138 = 2,824 + 3,027 = 5,851 25 !"#%#&'*+;#%<!= La desviación típica es la raíz cuadrada de la varianza, considerada siempre con signo positivo. Es la medida de dispersión más extensamente aplicada. =+ 2 = + 26,19 = 5,12 La desviación típica o estándar será la medida que más se va a utilizar de aquí en adelante, no sólo en este capítulo, sino en todos los siguientes de este libro. La varianza se expresa siempre en unidades diferentes a las originales, es decir, si la $ kg al cuadrado, sucediendo exactamente igual con cualquiera de las unidades de medidas que utilicemos. Esta es la razón por la cual siempre estamos utilizando la desviación típica o desviación estándar, pues el resultado se expresa en las mismas unidades de la variable. Supongamos que se tiene una población normalmente distribuida, con media: ÀU¼K {¼U| De acuerdo con la desigualdad de Tchebycheff, puede deducirse para cualquier distribución normal o simétrica que la media aritmética es más o menos.... Si se toma una sola vez la desviación típica al lado y lado de la media, el intervalo obtenido, incluye U % μ ± 1σ ⇒ 30 ± 1(3,87) μ ± 1,5σ ⇒ 30 ± 1,5 (3,87) μ ± 2σ ⇒ 30 ± 2 (3,87) 33,87 ⎫ 26,13⎬⎭ 68,3 35,805⎫ 86,6 24,1 5⎬⎭ 37,74⎫ 22,26⎬⎭ 5,5 41,46⎫ 18,3 ⎬⎭ ,7 www.FreeLibros.org μ ± 3σ ⇒ 30 ± 3 (3,87) 150 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO # | $ ) y, cual es su % ` $ media aritmética, la mediana y el modo son iguales, corresponderán al valor central de la distribución = Me = Md 3σ 2σ 1σ 1σ 2σ 3σ 68,3 5,5 ,7 APLICACIONES DEL EXCEL Varianza (aplicada a la muestra) S2 = 3 2 El procedimiento es exactamente igual a los aplicados para calcular: Media, Mediana, Moda y Media Geométrica%* ^W; %{% ~ &;'Z;} &W*~_W=W; Observemos que el valor de la varianza por este método es el mismo obtenido por el anterior método de cálculo. <K{ %* ^W;= la población total, se utiliza la función VARM. En este caso aplicamos VARM. www.FreeLibros.org CAPÍTULO CUATRO MEDIDAS DE DISPERSION, DE DEFORMACION Y APUNTAMIENTO 151 " %{%W ^ Desviación típica estándar =3 *;# ^ <*Â*K, siguiendo el mismo procedimiento que hemos venido utilizando, pero esta vez, buscamos la función DESVEST y de esta manera se obtienen los resultados siguientes: " %K%$' # www.FreeLibros.org 152 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO Al observar este resultado se ve claramente que es la raíz cuadrada de la varianza, es decir que !?@Q @ WW[?\ WQ Nota: &;'~W"+_ $} larse de la mism que las anteriores. En Excel 2010 es posible encontrar nuevas funciones de desviación estándar. Si los datos represen} '*^*= la población total se utiliza la función DESVESTM. En este caso aplicamos DESVESTM. USO DE LA CALCULADORA El cálculo de la desviación típica por medio del uso de la calculadora, se sigue el mismo procedimiento $Xi XiK n y X J $ {UX%* # Jn¥UX K ¼ que corresponde a desviación típica sin corregir. x n En algunas, el valor de ¼ se obtiene oprimiendo *Z_" K Y $< *Z_" K =_* y seleccione la opción deseada y ese resultado obtenido al ser elevado al cuadrado corresponde al valor de la varianza x¼Kn EJERCICIOS PARA RESOLVER La gran mayoría de los ejercicios de este libro, se encuentran resueltos en el Sistema de Información en Línea SIL. {% ! U $ K%* # % K% J X # # ! {K K% Desgraciadamente la publicación apareció con dos manchas de tinta caídas en las columnas de las frecuencias absolutas, lo cual impidió comprobar directamente lo que en el artículo se decía. Sin embargo, se le pregunta ahora a usted, ¿pueden aceptarse dichos valores de la media y la varianza, teniendo en cuenta lo que puede verse en la tabla? Conteste si puede ser posible o no y porqué. yi : ni: { {{ U| {{ V {K V {K U% < VÆ{²X Çsabiendo que Sx % yi. 4. Con los siguientes datos: y{²Jx KX*xK* <V[Y ] {U y {U { M [X ] www.FreeLibros.org % + | {K # U {K # %* \ { $ $ media y su desviación típica? CAPÍTULO CUATRO MEDIDAS DE DISPERSION, DE DEFORMACION Y APUNTAMIENTO % ' #U> ¤% # ¤{K% # U> ¤% ¤U%%! # |% ~ \ { ! % \ % 8. Si un conjunto de n valores de xi<Èxi{xiK KS K K%* el valor de n. V% ~ { U {% estándar del conjunto. 153 {% *\ KV{ {V{U% Comprobar que ambas series tienen la misma varianza y distintas medias. {{% Z # \ ! V ! |K% {K% # $|{|V # V|Y UK{ %' # | estudiantes. ¿Cuáles serían estas medidas, si todos los cursos tienen el mismo número de estudiantes? {U% ~ W K{{ a un país X por vía marítima fueron: EDAD (AÑOS): }{ PASAJEROS: {{}K K{}U U{} {} {} {}| |{} {}V U | |U U { { {U X % X W {> ! X " # y JX V| . {% n valores de X, se sabe ÈxiK{%UÈxinsK{%K% Se pide encontrar n. {% * {| | %= #V %* # % {% ' x<UK{ Kx J ) es –y Kx– <syKsxK {|% ; > % X ! |V|V*% X * % c) La desviación mediana es menor o igual a la desviación media, a su vez, es menor que la desviación típica www.FreeLibros.org 154 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO {% + # \ # | % # {V% * W *K{*KK en la misma unidad de medida. ¿En cuál de ellas hay una mayor variabilidad absoluta? K% * $ tienen mayor variabilidad absoluta? Si no se puede responder ¿qué medida de dispersión utilizaría usted? K{% * $ # misma distribución, pero en minutos? KK% medida, ¿cuál será la desviación típica para el conjunto A + B? sAKKKsBK{y–A {Ky–B VnA KnBU KU% = ! VARIACIÓN ABSOLUTA Dos o más varianzas y dos o más desviaciones típicas se pueden comparar entre sí, si las variables están dadas en las mismas unidades de medidas, en caso contrario, $ % COEFICIENTE DE VARIACIÓN CV Más conocido como variación relativa. En ocasiones nos interesa comparar la variabilidad de dos series de datos, sin embargo podemos encontrar, al hacerlo, que ambas series están expresadas en diferentes $ # %= darse el caso de que estén expresadas en la misma unidad, pero nos interesa determinar la variación % = . Si es { $ ! % S CV –– –x J X S CVd –– –x { J X De acuerdo a la fórmula anterior, es el cociente entre la desviación típica estándar y su media aritmética, como en ocasiones se expresa en porcentajes, por esa razón aparece multiplicado por {%" ¶ = J{VX distribuciones de frecuencias. S {K –x {| {K CVd –––––{U|{ {| La aplicación de esta fórmula presenta el inconveniente de que varía para distribuciones que tienen diferentes medias aritméticas e igual varianza, es decir, que con igual dispersión tienen diferentes % www.FreeLibros.org CAPÍTULO CUATRO MEDIDAS DE DISPERSION, DE DEFORMACION Y APUNTAMIENTO 155 Ejemplo 1. Si consideramos dos distribuciones cuyas medias aritméticas son: –x Kx– Uademás sus desviaciones típicas o estándar son idénticas, S KS K { K { K encontramos que presentan diferente variación relativa a pesar de tener la misma desviación. o : S{ K ––––{{ CV{d{ –– –x K { SK K CVKdK –– –– – x K U Ejemplo 2%= K%! ! o : S CVd–– CVd ––{K{K –x { 4 ! variabilidad tan alta que presenta. Ejemplo 3. Multiplicando por 4 cada uno de los valores de la variable xi<UK xi<{KK% % o : [ 4( [ ) [2 16 ( [ 2 ) 3 2 0 5 10 12 8 0 20 40 9 4 0 25 38 144 64 0 400 608 2 1 Σ = ] = [4 ] = [ 1 = 2 − 2 [1 = 10 = 2,5 4 [ 2 = 40 = 10 4 0 = 38 − 2,5 2 4 = 9,5 − 6,25 = 3,25 2 1 2 [4 ] [ ] 2 = 1 = 3,25 = 1,80 = 16 (3,25) = 52 608 − 10 2 = 152 − 100 = 52 4 1,8 = 0,72 = 72% 2,5 = 4 (2,5) = 10 = [2 [4 ] = 52 7,21 = 0,72 = 72% 10 PUNTAJE TÍPICO O ESTANDARIZADO: z 2 = 7,21 1 = 2 ó "t # $ de correlación, mide la desviación de una observación con respecto a la media aritmética en unidades de desviación típica, determinando la posición de una observación dada, dentro de un conjunto de observaciones. www.FreeLibros.org 156 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO = − ó = − El puntaje típico sirve para comparar dos o más datos individuales, aunque pertenezcan a \ ² % Tanto el puntaje “t” o “z” es muy utilizado en las pruebas educacionales y psicológicas, aunque hoy en día es muy frecuente en otros tipos de experimentos. Ejemplo 1 Supongamos que una persona presenta exámenes de admisión para la Facultad de Economía, *[!% $ WV $ { $ {K%* $ > = 85 − 90 − 5 = = − 0,50 10 10 = 60 − 55 = 5 = 0,42 12 12 ~ > K $ % En una distribución normal la media de la variable Z valey su varianza es igual a{% # ' % Ejemplo 2% # { | %$ |U # |%! % a) Dispersión absoluta b) Dispersión relativa X* | # |$ ! su puntuación relativa superior? o : a) Dispersión absoluta: S{K S{ SKK|| SK| En estadística hubo una mayor dispersión absoluta: S{ > SK 8 ¥| b) Dispersión relativa En álgebra hubo una mayor dispersión relativa: X= CVK > CV{ ¹{{¥{K < www.FreeLibros.org * $ K¥U| CAPÍTULO CUATRO MEDIDAS DE DISPERSION, DE DEFORMACION Y APUNTAMIENTO DESVIACIÓN MEDIA : 157 a Es otro estadígrafo de dispersión de menor importancia, en relación a la varianza y la desviación típica. *media de las desviaciones respecto a la media aritmética, tomadas en valor absoluto. Ejemplo 1. Con los siguientes datos no agrupados, calcular la desviación media: x{ xKU xU{ x4 x{ { { K –4 {K Ejemplo 2. Con los datos agrupados, que se presentan a continuación, calcular la Desviación Media. El procedimiento de cálculo para datos agrupados es el siguiente: * ! ' & |V|V # % Da|V|VS www.FreeLibros.org # {K ' $ Da |V|VJ{KXV igual a: 158 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO Dado que la distribución anterior no es simétrica, Y sin embargo, vemos que la relación se cumple aproximadamente, por ser la distribución ligeramente asimétrica. La desviación media Y distribución de frecuencias será necesario suponer que la media aritmética representa adecuadamente a los valores de la variable. El valor obtenido al calcular la desviación media siempre será menor al de la desviación típica Da < S COEFICIENTE DE DESVIACIÓN MEDIA : a Esta medida de dispersión es muy parecida en su presentación y cálculo al , con la diferencia de considerar a la Desviación mediaJDa) en vez de la Desviación típicaJS). También se puede expresar en términos porcentuales. Ejemplo 1.' J X medida de dispersión: o : {< K< DESVIACIÓN MEDIANA : e Corresponde a los denominados estadígrafos o medidas de dispersión, siendo su uso más bien limitado. *Media de los valores absolutos de las diferencias entre los valores que toma la variable y su mediana. Sus fórmulas son: = = Σ − Σ − = Σ − N La desviación mediana, será menor o igual a la Desviación media y ésta a la vez, será menor que la Desviación típica: D ]Da < S Ejemplos 1. Con los siguientes datos calcular la desviación mediana. o a) : x{ xKU xU{ x4 x{ www.FreeLibros.org Se calcula primero la mediana para ello ordenamos los valores de menor a mayor. {U 5 {~ &e CAPÍTULO CUATRO MEDIDAS DE DISPERSION, DE DEFORMACION Y APUNTAMIENTO xi xi Me xi Me { U { –4 K { 4 K { {K 159 xi Me De n {K De K Ejemplo 2. Con datos agrupados, se pide calcular la desviación media −1 ← ← → < 2 6 < 10 = Σ = = 15 = 15 Continuación: − − − = Σ − = 75 = 3,75 20 = − − Σ − N − EJERCICIOS PARA RESOLVER La gran mayoría de los ejercicios de este libro, se encuentran resueltos en el Sistema de Información en Línea SIL. K% + K Y K UY $ {% \ % K% ; ! %J= cálculo de la media y la varianza, hacerlo mediante el método que usted conoce). X ⇒ ⇒ ⇒ www.FreeLibros.org 160 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO K% Z \ ! ! es 4. K|% * < 2 [1 = 120 [2 = 125 Q1 = 70 Q2 = 30 61 = 36 62 = 3 * % K% * xl xK xU... xn ! { # U%* yi, de cada uno de los elementos relacionados con la media xi mediante la ecuación. yixiK $ ! yi obtenidos? KV% ~ %* < y2 = 50 n1 = 4 N2 = 20 n3 = 25 \ = 62,4 X2 = 50 f1 = 4 F2 = 20 f3 = 25 ; = 62,4 U% $ >K{{#< &'_'W* Salario medio semanal Desviación típica del salario semanal "«;_WW ¤VU% ¤V% "«;_W ¤{%K% ¤V|% a) ¿En cuál de las fábricas los jornales fueron absolutamente más variables? b) ¿Relativamente más variables? U{% * >{ ¤{%| # ¤V % * # ¤{U % gastos de esta empresa. UK% = M[4 + X ]{{KM [XKÇKUK % UU% U $ # {VUU $ ¤V%| ¤|%|%$ variabilidad? U% + ! JWX se sabe que las distribuciones de la duración en horas de esas bombillas son tales que tienen las siguientes medias y varianzas. _= A B &'_W ^W;_WW |% % www.FreeLibros.org CAPÍTULO CUATRO MEDIDAS DE DISPERSION, DE DEFORMACION Y APUNTAMIENTO Se pide: a) Comparar ambas distribuciones en cuanto a su variabilidad absoluta y relativa. X * |U quiere saber cuál tipo de bombilla tiene mejor posición relativa. 161 U% + ! ¤U%% J ¤X # ¤U%J ¤X% X ! { %$ $ una vez pagado el impuesto? X ~ ! ¤K%% J ¤X % $ % % U% ~ \ ciudad de Cúcuta. NO. DE CUARTOS: NO. DE VIVIENDAS: variación. K 4 { { 8 {K { 8 # U|% ~ \ < yi {{Ux{%| ~ {% ¤{K%% a) ¿Cuál será el nuevo promedio de ingreso mensual de los trabajadores si la empresa acepta la petición? X U%$ $ U% < Σ Σ 2 = 1.500 → Σ = 40.000 → Σ → N = 100 2 , UV% W <x– USCVKK% * $ # < $ % % a) 4 | { xi : { { {K K 8 yi : { 4 { Xl XK www.FreeLibros.org 162 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO Se pide: b) Determinar en cada una de las submuestras la mejor posición de los siguientes valores x y{% X % {% < , − −1 , Σ ’ −1 − ’ K% | U ¤K|% ¤UK%% X * | % X* U$ | U% * { | V% de variación para el conjunto. %~ J X \ K{{% ' gastos se agruparon en cuatro clases de amplitud constante, de la cual se sabe: , 4 * % % < , −1 − , Σ −1 − www.FreeLibros.org % J %²K) de láminas de acero. Obtenga la desviación mediana: CAPÍTULO CUATRO MEDIDAS DE DISPERSION, DE DEFORMACION Y APUNTAMIENTO RESISTENCIA: % DE LÁMINAS: {K K KU ? U ? 163 {K < KV %²K. |% ~ \ U $% No. DE COMPRADORES No. DE BARRIOS {U { { KK K UK U U K 4 | a) Calcule la desviación mediana. X % c ) Si la empresa considera que el número de compradores por barrio es el doble. ¿Cuál será la 48. Con los siguientes datos se pide: −1 − . KX X * J{X JKX $ $ . X J{X % X JKX % X JX Σ −1 − V% < K{KK% Calcular la desviación típica, desviación media y mediana. Observar que 78 9 % <|V {% <|V RECORRIDO INTERCUARTÍLICO, DESVIACIÓN CUARTIL Y COEFICIENTE DE DESVIACIÓN CUARTIL Se considera una serie de medidas de dispersión cuando se ha trabajado con cuartiles, deciles o percentiles. Entre los más importantes se tienen: El recorrido intercuartílico QR QU:{ % www.FreeLibros.org El recorrido interdecil, corresponde a la diferencia entre el noveno y el primer decil. DR DV{ 164 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO La desviación cuartil o semi-recorrido intercuartílico, se obtiene, mediante el cálculo del recorrido # K% Q :{ QD U K # | $ % El , es aplicado, especialmente, en aquellas distribuciones cuyos $ dispersión, no necesaria para posteriores cálculos. CQ QU:{ QU+ Q{ El recorrido interdecil se calcula estableciendo la diferencia entre el noveno y el primer decil, lo $ VV % DD DU{ PD PVV#{ Ejemplo 1. Con la siguiente distribución calcular el recorrido intercuartílico, la desviación cuartil y el % o : \ ,−1 − \ , Q 1 30,1 38 38,1 46 46,1 54 54,1 62 62,1 70 70,1 78 78,1 86 86,1 94 6 14 nj → 36 50 43 nj → 32 18 9 6 20 56 106 149 181 199 208 208 - )fi FI i È Σ ; , −1 −; , ← Nj-1 ← Nj ← Nj-1 ← Nj Primer cuartil Q = 208 = 52 no está, en la columna de N , por lo tanto se toma a N KN % i i { i 4 4 Q Siendo que 1 −1 < se tendrá: 4 1 = , −1 + ⎡ − ⎢4 ⎢ ⎢⎣ −1 ⎤ ⎥ ⎥ ⎥⎦ 1 = 46 + 8 ⎡ 5K − 20 ⎤ = 53,11 ⎢⎣ 36 ⎥⎦ Tercer cuartil 3 = 3 ( 208) acumuladas, 4 4 { en la columna de las frecuencias absolutas 3 se tendrá: se toma a Nj {{V¸{Nj{{¥{%W Nj {¸ 4 www.FreeLibros.org CAPÍTULO CUATRO MEDIDAS DE DISPERSION, DE DEFORMACION Y APUNTAMIENTO 3 = , ⎡3 − ⎢4 ⎢ ⎢⎣ −1 + −1 ⎤ ⎥ R ⎥ ⎥⎦ 3 Recorrido intercuartílico: QD QU:{ ⎡156 − 149 ⎤ = 70 + 8 ⎢ ⎥⎦ = 71,75 32 ⎣ QD |{| U{{{ Q :{ Desviación cuartil será igual a: Q U DK K será igual a: CQ QU:{ = QU+ Q{ 165 QD K 71,75 − 53,11 = 9,32 2 71,75 − 53,11 18,64 = = 0,1439 71,75 + 53,11 124,86 14,39% Ejemplo 2. Con la misma distribución anterior calculemos el recorrido interdecil, la desviación interdecil % Primer decil: = 208 K 10 10 por lo tanto Nj {K¸KNj¥K $ $< 1 = , −1 + ⎡ − ⎢ 10 ⎢ ⎢⎣ −1 ⎤ ⎥ ⎥ ⎥⎦ 1 = Reemplazando en la fórmula anterior se tendrá: Noveno decil: 9 = 9 ( 208) = 187,2 S 10 10 9 9 = = , −1 + + ⎡9 − ⎢ 10 ⎢ ⎢⎣ ⎡9 ⎢ 10 − ⎢ ⎢ ⎣ −1 ⎤ −1 ⎥ ⎥ ⎥⎦ −1 9 ⎡ − 10 + ⎢⎢ ⎢⎣ 1 −1 ⎤ ⎥ ⎥ ⎥⎦ ⎡ 20,8 − 20 ⎤ = 46 + 8 ⎢ ⎥⎦ = 46,18 ⎣ 36 = 181 < 187,2 = 199 > 187,2 se tendrá que: ⎡ 187,2 − 181 ⎤ = 78 + 8 ⎢ ⎥⎦ = 80,76 18 ⎣ ⎤ ⎥ ⎥ ⎥ ⎦ www.FreeLibros.org El recorrido interdecil: DR DV{ DR| {U 166 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO DV{ La desviación interdecil: DDK K El CD DV{ = 80,76 − 46,18 = 17,29 2 : = DV+ D{ 2 80,76 − 46,18 17,29 = = 13,62 {UK 80,76 + 46,18 126,94 RECORRIDO U OSCILACIÓN ! # $ %* la repetición o frecuencia de los valores que toma la variable, de ahí su gran inestabilidad, especialmente > % ; xmax xmin J X $#< ym – yl . = y ,m – y ,o Ejemplo 1%* <J X x{xKxUx4x{K ; xmax xmin;{K Ejemplo 2. Tomemos una distribución de frecuencias para una variable discreta \ Q 2 4 6 8 10 Σ 3 5 6 4 2 20 ; I Recorrido = \ − \1 Recorrido = 10 2 = 8 Recorrido = ; − ;1 Ejemplo 3. En el caso de una variable continua el procedimiento es casi igual al anterior. \ ,−1 − \ , Q 3,1 7 7,1 11 11,1 15 15,1 20 20,1 23 6 4 12 8 5 Σ 35 Recorrido = \ , − \0, Recorrido = 23 3 = 20 Recorrido = ; − ;0 www.FreeLibros.org ; , −1 −; , I CAPÍTULO CUATRO MEDIDAS DE DISPERSION, DE DEFORMACION Y APUNTAMIENTO 167 MEDIDAS DE ASIMETRÍA O DE DEFORMACIÓN " ¶ = % + ! Y recordemos que en este caso Mx = Me = Md , estas medidas son iguales, por lo tanto consideramos que la distribución tiene la forma de una campana, denominada de Gauss o normal, ya que el promedio se ubica en todo el centro de ella. Si las frecuencias son considerablemente altas, la distribución deja de ser simétrica y hablamos de distribuciones asimétricas positivas o negativas J X igual valor. $ $ se ubica el Modo. Si Ml > Me > Md se dice que la distribución es asimétrica negativa, ya que la curva presenta un alargamiento hacia la derecha. Si por el contrario Mx = Me = Md , el alargamiento es hacia la izquierda y se dice que es asimétrica positiva. Las fórmulas utilizadas para calcular el grado de asimetría son: = {X 1 − = 3( 1 − ) = 3 3 En la última se utiliza el momento de orden 3 con respecto a la media 3 = Σ 3 3 = Σ( − )3 El grado de asimetría, también se puede calcular aplicando la fórmula establecida por Bowley, 2 2 3 1 , para ello es necesario, trabajar con cuartiles. siendo: 3 1 Si As* ! Si As¥W ! Si As¸W ! , ya que el signo nos indicará hacia que lado se presenta la deformación o alargamiento de la distribución y el valor será el grado de asimetría, entre más grande sea este valor, más grande será la asimetría. www.FreeLibros.org Ejemplo 1. Con los siguientes datos de una distribución de frecuencias, se puede calcular la asimetría y su grado, por las fórmulas anteriormente establecidas. 168 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO (yi - y) (yi - y) 2 → → 3 (yi - y)3ni 1 2 106 20 1 5,3 4 5,3 4 2,47 2 2 5,57 15,07 1,3 2,47 5,32 ) 1 3 3 684 20 34,2 2 0,53 28,09 3 (5,3 5) 2,47 5 2 2 6,11 0,9 2,47 111,42 20 3 6,11 3 (0,3) 2,47 ∑(yi - y)3ni 0,37 6 2 2 1 3( 4 1 2 3 5,3 1 2 3 2,47 0,36 5,57 3 N 3 Siendo: M{ > Me > Md U ¥ ¥ La distribución es asimétrica positiva La asimetria, también es calculada mediante la aplicación de la fórmula de Bowley, donde 3 1 3 2 2 1 Veamos cómo se calcula con los datos de la distribución anterior: 20 5 4 4 → 1 1 5 4 6 3 8 2 7 → 3 ( 20) 4 15 1 15 10 18 4) 2 (5) 1 0,33 3 (7 4) Nota: la aplicación de las anteriores medidas es preferible hacerla con la variable continua, usando los intervalos de clase. 2 → (7 www.FreeLibros.org 169 CAPÍTULO CUATRO MEDIDAS DE DISPERSION, DE DEFORMACION Y APUNTAMIENTO Nota: Los resultados obtenidos en la aplicación de las fórmulas anteriores, arrojan resultados diferentes sin que esto tenga importancia alguna. Ejemplo 2% ' > # estadígrafos de posición son: –x {V|M {V{M {| e o d : – – Aplicando la fórmula empírica: x –Md U J x 4e ) {V|}{|KK|ËK{U UJ{V|X}{V{KU~ > #% Ejemplo 3. Tomando una distribución ligeramente asimétrica. Calcular el modo sabiendo que su media U K o : –x –M U J –x 4 ) d e U–Md } U–Md UJKXMd –x UJ –x 4e ) Md V Ejemplo 4% # = % yi : { K U 4 ni : K 8 U | o : x2 = 5 6 7 5 Σ 30 35 30 175 180 Σ = 2 2 N Σ = Σ = = 112 = 3,73 30 2 − 2 − 2 = 2 3,73 − 2 = 1,07 1,62 2 N − 2 =2 = 496 − 3,732 = 2,62 ⇒ 30 = Σ = 1,62 = − EJERCICIOS PARA RESOLVER La gran mayoría de los ejercicios de este libro, se encuentran resueltos en el Sistema de Información en Línea SIL. K% !< Σ [2 a) En toda serie de datos es mayor o igual a Q b) Si para dos distribuciones –x {x–Ky S{K > SKK ⎛Σ[ ⎞ ⎜ ⎟ ⎝ Q ⎠ 2 www.FreeLibros.org entonces CV{¸CVK 170 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO X * # % d) Si las frecuencias de una distribución se multiplican por 8, la varianza queda multiplicada por % e) La varianza está expresada en las mismas unidades de la variable. U% !< X % X $ ! ;<. c) Si una distribución es simétrica o moderadamente asimétrica, entre –x ÌKS $V observaciones. d) La desviación típica no se mide en las mismas unidades de la variable. % \ #= % –x V%|KM V%|KS{%K{| e % # # fórmulas vistas. a) \ Q 5 7 9 11 13 15 b) \ Q 3 39 10 8 7 3 5 7 9 11 13 15 Σ 70 ; I c) \ Q 3 7 8 9 30 3 5 7 9 11 13 15 5 10 20 20 10 5 Σ 60 Σ 70 ; I ; I Haga los respectivos histogramas y dibuje los polígonos de frecuencias. MEDIDAS DE APUNTAMIENTO : Ap urtosis o estadígrafos de apuntamiento% + # distribuciones, es su grado de agudeza en la cima de la curva que las representa. Esta agudeza que se observa en la región del Modo, comparada con las condiciones halladas para el mismo sitio en la curva normal, es lo que se llama urtosis o curtosis. Si la curva es más plana que la normal, la distribución se le considera achatada o planticúrtica y si es más aguda se le denomina apuntada o leptocúrtica. Si la curva es normal se dice que es mesocúrtica. La curtosis es una medida de altura de la curva y por tanto está representada por el cuarto momento de la media. En la misma forma que para la asimetría, su cálculo se efectúa en función de la desviación típica y de los momentos unidimensionales de orden cuatro con respecto a la media aritmética: = 4 4 4 4 www.FreeLibros.org 4 = Σ( − )4 4 = Σ( − )4 N = Σ 4 N CAPÍTULO CUATRO MEDIDAS DE DISPERSION, DE DEFORMACION Y APUNTAMIENTO =3 >3 <3 171 → → → Ejemplo 1. Calcular el grado de apuntamiento en la siguiente distribución: K{¸U \ % Ejemplo 2. Con los siguientes datos: Se pide calcular: X~ #% X~ % www.FreeLibros.org 172 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO o : EJERCICIOS MISCELÁNEOS La gran mayoría de los ejercicios de este libro, se encuentran resueltos en el Sistema de Información en Línea SIL. < K U K | UK | K K U U { K Se pide: a) Trabajando con los datos originales calcular la desviación típica, desviación mediana y el % b) Agrupar los datos en una tabla de frecuencias, teniendo en cuenta que la amplitud es constante J Xm % www.FreeLibros.org |% * < –y USKU J%X < CAPÍTULO CUATRO MEDIDAS DE DISPERSION, DE DEFORMACION Y APUNTAMIENTO 173 a) ¿Cuál de las dos distribuciones presenta una menor variabilidad absoluta? b) ¿Cuál de ellas presenta una mayor variabilidad relativa? X * J X $ %X # JX b) Calcular el grado de apuntamiento en esa distribución, determinando si es normal, achatada o apuntada. V% * < n n n n n n n n N f f f f f f f X X # X % % < , , 1 a) Varianza b) Desviación típica X d) Desviación media e) Desviación mediana {% { <X #YX % K%* < l) Corresponde a datos agrupados , , 1 ’ ’ 1 Se pide determinar: a) En cuál distribución se observa una mayor variabilidad absoluta? b) En cuál distribución se observa una menor variabilidad relativa? X * { $ relativa? www.FreeLibros.org 174 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO U% * | JWX K% X ! # | X ! # { | observaciones? % \ JWX <J {X X ~ ! ! $ #J X! b) Calcule el grado de apuntamiento. % ~ $ siguientes estadísticas: MEDIDAS TURNO I TURNO II \ U K Salario medio mensual V|% {%KU% Varianza {% VK% a) Comparar los salarios en los dos turnos en cuanto a variabilidad absoluta y relativa. X { % X $ > ¤KK% | % { % % grado de simetría o asimetría, indicando hacia qué lado, lo mismo que el grado de apuntamiento. Además calcular: \ ,−1 − \ , Q 2,1 6 6,1 10 10,1 14 14,1 18 18,1 22 22,1 26 Σ 3 12 25 11 7 2 60 ; ’−1 − ; ’ ) X b) El puntaje típico, si se tiene queun valor de y{K c) La desviación media y mediana |% W > $ K $ ¤%% ~ ¤{% U% X $ $ > X >$ $ www.FreeLibros.org % <xi<K{ < a) Desviación media b) Desviación mediana CAPÍTULO CUATRO MEDIDAS DE DISPERSION, DE DEFORMACION Y APUNTAMIENTO c) Desviación típica X 175 d) Comprobar que De Da< S V% <x Æ{{ÇCVy–y 8 Z x |% * {x V[x]%Z x – y |{% = ! # ! |K% 's obreros del mismo y trabajo muestran los siguientes resultados en un período determinado OBREROS &'_'W* A B Tiempo promedio para el desarrollo de su trabajo K U Desviación típica 8 a) ¿Cuál grupo es el más regular en el desarrollo de su trabajo? b) ¿Cuál grupo es el más rápido en terminar el trabajo? |U% + #< # & $ U U _! U ' K X! # Recurrimos a los profesores que en un análisis han podido reunir más información sobre el rendimiento del curso donde se encuentra el estudiante. = <#U & $ K _! UK ' % W$ # <| % b) ¿Su opinión se mantiene igual respecto al rendimiento de este estudiante? |%* W K\ > siguientes resultados: NÚMERO DE RECLAMACIONES NÚMERO DE USUARIOS K { { K 8 U 4 4 U K | { Se pide hallar: a) El promedio de reclamos b) La varianza y su desviación típica X www.FreeLibros.org 176 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO Síntesis de capítulo Síntesis de capítulo En el resumen del capítulo anterior, se decía que no basta con calcular el promedio para describir el comportamiento de un conjunto de datos, sino que además, en numerosos casos, requiere de la aplicación de alguna de las medidas de dispersión, las que nos determinan la extensión que ocupan los valores de la variable respecto al valor promedio elegido. Supongamos que dos personas conocedoras de estadística se dedican a lanzar dardos y en el primer lanzamiento ambos lo colocan el tercer círculo uno arriba y el otro abajo, es de imaginar que ambos se sientan satisfechos del lanzamiento, pues lograron la misma distancia con respecto al centro. Se puede sacar como conclusión que el punto central fue para ellos menos importante y la atención se centró más en la distancia o dispersión que a dar en el blanco o punto central. El cálculo de un promedio para dos grupos puede ser igual, como por ejemplo el promedio de # U| # {{$ U # U$ K! le recomendaría a su hermano si hubiese necesidad de elegir uno de ellos? En este ejemplo Y # % Son varias las medidas o varios los procedimientos que nos indican el mayor o menor grado de dispersión, siendo la más conocida la desviación estándar o desviación típica. La varianza es el procedimiento que nos permite llegar a la desviación típica, con el inconveniente que no se expresa en la misma unidad de medida de la variable, ya que siempre corresponde al cuadrado de ella, así se tendrá: metros, kilos, horas al cuadrado, en cambio la desviación estándar % expresa en porcentajes, permite realizar mejor la comparación de la dispersión entre dos o más distribuciones, cuando las variables están expresadas en unidades de medidas diferentes. Decimos que una distribución es simétrica, cuando la media, mediana y la moda calculada en una variable son iguales. El grado de simetría o asimetría en una distribución se obtiene # % + siendo considerada no normal, ya que no tiene la forma de campana de Gauss que siempre utilizamos para indicar una distribución simétrica. Finalmente recordemos que los valores observados, si bien es cierto se repiten, en conjunto son diferentes si las comparamos entre sí, por lo tanto esta dispersión no puede pasar desapercibida y su información radica cuando tiende a agruparse alrededor del promedio, de ahí que no solo \ $ > ! estudiar la variación, cuando encontramos diferentes distribuciones con diversos grados de %^ # > % www.FreeLibros.org CAPÍTULO UNO 5 CONCEPTOS GENERALES Nociones elementales de probabilidad No a t o a ta oa a o o o o 177 CONTENIDO Conceptos, usos y aplicaciones de las probabilidades. Probabilidad a priori, clásica, subjetiva y de frecuencia relativa. Espacio muestral, Diagrama de árbol, Técnicas de conteo, Combinaciones y Permutaciones. Sucesos mutuamente excluyentes, independientes y dependientes. Probabilidad condicional. Teorema de Bayes. Síntesis de la Unidad Ejercicios para Resolver, resueltos en el Sistema de Información en Línea SIL. COMPETENCIAS El estudiante deberá estar en capacidad de: Conocer, entender y manejar los conceptos básicos de probabilidad. Calcular probabilidades, aplicando las reglas de adición y multiplicación. Manejar y aplicar los conceptos de la Permutaciones y Variaciones. Entender y aplicar el Teorema de Bayes. Entender la importancia que ella tiene en la inferencia, para realizar aseveraciones sobre un entorno incierto o de incertidumbre. www.FreeLibros.org 178 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO GENERALIDADES El concepto de probabilidad SXHGHVHULQWHUSUHWDGRFRPRDOJRLQGH¿QLEOHSHURXWLOL]DGRSDUDH[SUHVDU de algún modo, un grado de creencia que uno tiene de la ocurrencia de un suceso; nos referimos a algo que puede suceder con base en la experiencia que se tenga. Con frecuencia observamos o escuchamos el estado del tiempo, o sea los pronósticos meteorológicos sobre la posibilidad de buen tiempo o la presencia de lluvias fuertes o ligeras, gran nubosidad, vientos fuertes o en calma, etc.; los hinchas de ORVGLIHUHQWHVHTXLSRVGHI~WEROGLVFXWHQIUHFXHQWHPHQWHVREUHODSRVLELOLGDGGHFODVL¿FDFLyQRGHJDQDU el campeonato; algo similar ocurre con los que juegan lotería o apuestan en las carreras de caballos; el PLVPRDOXPQRFXDQGRVHUH¿HUHDODSRVLELOLGDGTXHWLHQHGHJDQDURGHSHUGHUXQDDVLJQDWXUDWRGRV ellos son pronósticos que hacemos con la esperanza de que sucedan. El origen de las probabilidades en los juegos de azar se remonta al siglo XVII, cuando Antoine Gombauld, más conocido como el caballero de Meré, jugador profesional quien pensó haber descubierto una táctica infalible de jugar a los dados, con muy buenos resultados durante un determinado tiempo, después del cual comenzó a perder y por ende disminuyó su fortuna, situación que lo obligó a consultar a Blas Pascal y a Pierre de Fermat, iniciándose así poco a poco una ciencia bien fundamentada. En la actualidad las probabilidades guardan una estrecha relación con la Teoría de Conjuntos, de gran importancia en el campo de la Inferencia Estadística debido a la incertidumbre que siempre se tiene en la toma de decisiones, permitiendo el análisis de los riesgos que se corren y la forma de minimizar el azar inherente. En estadística, el uso de las predicciones es de gran utilidad cuando se realizan investigaciones por muestreo, en la mayoría de los casos obligado por el costo y tiempo que con llevaría la realización de una investigación total, lo cual nos limita a un reducido número de elementos; y con base en esa información disponible, procedemos a la realización de predicciones o estimaciones, asignando OtPLWHVGHFRQ¿DQ]DDHVRVUHVXOWDGRV /DVSUREDELOLGDGHVFRQMXQWDPHQWHFRQODHVWDGtVWLFDWLHQHQLQ¿QLGDGGHDSOLFDFLRQHVDSUREOHPDV de economía y ciencias sociales, de la misma manera a las ciencias físicas, industria, comercio y gobierno, con la observación de que en cada uno de ellos tendrá sus requisitos particulares. Se puede hablar de Posibilidades y de Probabilidades, el primero hace referencia a la comparación N°. de defectuosos En el segundo N°. de no defectuosos N°. de defectuosos es el cuociente entre el número favorable sobre el total de casos posibles: P = Total de casos posibles entre el número de resultados favorables con los desfavorables: Todos en esencia somos jugadores. En los negocios, en nuestra vida y siempre que tomamos una GHFLVLyQVLHPSUHYDKDEHULQFHUWLGXPEUHSRUODGL¿FXOWDGGHSUHGHFLUFRQH[DFWLWXG¢*DQDUpHOSDUFLDO" ¢(OVHPHVWUH"¢0HJDQDUpHO%DORWRVLORFRPSUR"¢6LOHKDEORDHVDSHUVRQDPHFRUUHVSRQGHUi"7RGDV estas preguntas y muchas más, tendrían en nuestra mente una posible respuesta ya que nos dejamos guiar por la experiencia y la intuición. www.FreeLibros.org (VGLItFLOGDUXQDGH¿QLFLyQH[DFWDGHODVSUREDELOLGDGHVVLQHPEDUJRWUDWDUHPRVGH obtener alguna que nos aproxime a ella. CAPÍTULO CINCO NOCIONES ELEMENTALES DE PROBABILIDAD 179 M todo axiomático. El cual concibe la probabilidad de ocurrencia de un suceso, como un número comprendido entre y 1. Este concepto tiene que ver directamente con la noción de frecuencias relativas, donde 0 < hi < 1. Supongamos que se lanza 100 veces una moneda, anotamos el número de veces que sale cara y las veces que sale sello; los resultados fueron los siguientes: Frecuencia absoluta: cara 56 veces sello 44 veces Frecuencia relativa: 56/100 44/100 p = 56% (éxito) q = 44% (fracaso) Probabilidad: Se puede establecer una escala de valores comprendidos entre 0 y 1. La probabilidad igual a uno corresponde al límite superior, el cual se considera como la certeza absoluta; por ejemplo, la probabilidad de que algún día moriremos, esto es un hecho que tiene que cumplirse. Para el otro extremo igual a 0, consideraremos por ejemplo, “que se atravesará el Océano Atlántico a nado”, lo cual es imposible, así que la probabilidad será 0. En este caso se habla de imposibilidad absoluta. Si la probabilidad fuera 0 ó 1 no habría problema, pero existen una serie de fenómenos cuyos valoUHVHVWiQFRPSUHQGLGRVHQWUHHVRVOtPLWHVTXHGL¿FXOWDQXQSRFRHOFiOFXOR Se llamará suceso a cada caso posible, es decir, a la realización de un acontecimiento y este puede ser: Se dirá que un hecho es cierto, cuando son favorables todos los casos posibles. Un ejemplo podría ser, el de comprar todos los billetes de un sorteo, por lo tanto será un hecho cierto que ganará el sorteo. Llamaremos un hecho verosímil a un suceso susceptible de realizarse, pero su probabilidad favorable es menor que la unidad y mayor que 0,5. Si la probabilidad es igual a 0,5 será un hecho dudoso, ya que las probabilidades ventajosas y desventajosas son iguales. Tal es el caso del lanzamiento de una moneda, en la aparición de cara o sello. Hecho inverosímil, se presenta cuando la probabilidad es menor que 0,5 y mayor que cero. Hecho imposible, es cuando no existe posibilidad alguna de salir favorecido; por ejemplo el individuo que no compra lotería, la probabilidad que tiene de ganar será cero. M todo empírico o práctico. Considera la probabilidad de un suceso, como aquel número al cual se aproxima cada vez más la frecuencia relativa de la ocurrencia de un suceso, cuando las veces que se repite el experimento que origina ese suceso es lo bastante grande. Este concepto tiene algo que ver con el experimento de Quetelet, en donde la probabilidad de un suceso tiende a estabilizarse en un punto, cuando el número de experimentos se va haciendo cada vez más grande. www.FreeLibros.org 180 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO Probabilidad empírica, se determina mediante una serie de experimentos, en el caso de determinar la probabilidad de éxito de una operación quirúrgica practicada por determinado médico, será: número de casos favorables, dividido por el total de operaciones practicadas. P = Número de casos favorables Número de casos posibles Si lanzamos una moneda 10 veces, es posible que 8 sean caras y dos sellos, pero aquí hablamos de una moneda teórica, perfectamente equilibrada caerá el mismo número de caras y sellos, en nuestro ejemplo 5 caras y 5 sellos. Con un dado teórico, se tendrá que la probabilidad de aparición de cada cara será 1/6. La probabilidad teórica se aplica a algo que no existe en la práctica, pues en la vida diaria veremos que cuanto mayor sea el número de lanzamientos de la moneda más nos acercaremos al ideal. El Q~PHURGHREVHUYDFLRQHVGHEHVHUORVX¿FLHQWHPHQWHJUDQGHVLVHTXLHUHXQDLQIHUHQFLDYiOLGDSDUDHOOD M todo clásico. Considera la probabilidad como el cuociente de dividir al número de casos favorables o éxitos que pueden ocurrir en una prueba, por el total de casos posibles y que anteriormente lo consolidamos como empírico. Número de éxitos P = Total de casos posibles Probabilidad a priori. Es aquélla que se puede determinar de antemano, sin necesidad de realizar el experimento. Ejemplo: la probabilidad de que aparezca cara en el lanzamiento de una moneda, se sabe de antemano que es igual a 0,5. Probabilidad objetiva y subjetiva. Las probabilidades obtenidas mediante el método empírico y método clásico, comúnmente se les denomina como probabilidades objetivas, ya que se toma de la experiencia, es decir, de las repeticiones del hecho. Sin embargo vale la pena aclarar que también existen las llamadas probabilidades subjetivas correspondientes a una evaluación muy personal de la ocurrencia GHOVXFHVRSRUHMHPSOR¢3HUGHUiODVHOHFFLyQGHOI~WEROHQHOSUy[LPRSDUWLGR"¢6DFDUpPiVGHHQHO SUy[LPRH[DPHQ"HWF(QHOORVODSHUVRQD¿MDUiODSUREDELOLGDGFRUUHVSRQGLHQWHGHSHQGLHQGRGHVXFULterio personal. Probabilidad con base en las frecuencias relativas. Es otro concepto probabilístico, que consiste en una observación que nos determina en qué momento ocurrieron eventos semejantes en el pasado, que permitan establecer la probabilidad de que vuelva a ocurrir en el futuro. Probabilidad = de ocurrencia Número de veces de ocurrencia del evento en el pasado Número total de observaciones Prueba es la realización de un acto. El conjunto de pruebas realizadas en las mismas condiciones se denomina experimento. La respuesta de una prueba se llama resultado, punto muestral o suceso. El conjunto de todos los resultados posibles constituye un espacio muestral. Un evento es un conjunto de uno o más puntos muestrales, por ejemplo, al lanzar un dado, se tendrá, que 1, 2, 3, 4, 5, 6 son 6 elementos; si se pide la aparición de un número impar el evento estará constituido por: 1 3 5. ELABORACIÓN DE ESPACIOS MUESTRALES www.FreeLibros.org Hemos visto que los resultados posibles de un experimento se denominan puntos muestrales y una lista de todos los resultados posibles de un experimento se denomina espacio muestral. Veamos varios ejemplos. CAPÍTULO CINCO NOCIONES ELEMENTALES DE PROBABILIDAD 181 Ejemplo 1. Experimento: elegir un alumno del curso de estadística en la facultad. o : (conjunto) U { Acero, Alvarez, Cuellar... Serrano} Ejemplo 2. Experimento: lanzamiento de una moneda teórica o : U = {C 1 /2 S} /2 1 Ejemplo 3. Experimento: lanzamiento de dos monedas, asignando la probabilidad a cada suceso. o : U = {CC ¼ CS ¼ SC ¼ SS} ¼ Ejemplo 4 Experimento: lanzamiento de tres monedas o : U = {CCC CCS CSC SCC CSS SCS SSC SSS} 1 1 1 1 1 1 1 1 /8 /8 /8 /8 /8 /8 /8 /8 Ejemplo 5. Experimento: lanzamiento de 4 monedas o : U= Observemos en el ejemplo 5, cómo se ordenan, cambiando la posición de las apariciones de cara (C) y sello (S). La probabilidad de obtener exactamente tres caras, vemos que hay 4 resultados {CCCS, CCSC, CSCC, SCCC} sobre un total de 16 sucesos, por lo tanto su resultado será de 4/16 = ¼. El número de casos posibles será fácil de determinar, si consideramos el lanzamiento de una moneda, se obtienen dos sucesos y tendrá como exponente el número de lanzamientos, así: 2n. Observemos en los ejemplos anteriores: 2 3 4 y 5 el número de sucesos posibles: 2. 21 = 2 sucesos posibles 4. 23 = 8 sucesos posibles 3. 22 = 4 sucesos posibles 5. 25 = 16 y asi sucesivamente. Ejemplo 6. Experimento: lanzamiento de un dado teórico (conjunto) U = { 1 2 3 4 5 6} 1/6 1/6 1/6 1/6 1/6 1/6 www.FreeLibros.org 6nĺ1 = 6 sucesos posibles 182 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO Ejemplo 7. Experimento: lanzamiento de dos dados o : U= = Ejemplo 8. Experimento: lanzamiento de tres dados o : 63 = 216 sucesos posibles; la probabilidad de cada suceso = 1 / 216 Ejemplo . Experimento: extraer una carta de una baraja de 40 cartas o Copas Oros Espadas Bastos : AS AS AS AS 2 2 2 2 3 3 3 3 4 4 4 4 5 5 5 5 6 6 6 6 7 7 7 7 Zota Zota Zota Zota Caballo Caballo Caballo Caballo Ejemplo 10. Experimento: extraer una carta de la baraja española (52 cartas) o Diamantes AS 2 3 4 5 6 7 8 9 10 J Q Corazón AS 2 3 4 5 6 7 8 9 10 J Q Trébol AS 2 3 4 5 6 7 8 9 10 J Q Picas AS 2 3 4 5 6 7 8 9 10 J Q Rey Rey Rey Rey suceso 1/40 K K K K ĺ Diagrama del árbol. Es una de las maneras que permite determinar diversos eventos posibles, al contar los puntos muestrales. Veamos dos ejemplos. Ejemplo 11. En el lanzamiento de tres monedas, se tendrá: o : www.FreeLibros.org CAPÍTULO CINCO NOCIONES ELEMENTALES DE PROBABILIDAD 183 Ejemplo 12. Lanzamiento de tres dados o : 1O Lanzamiento 2O Lanzamiento 3O Lanzamiento Nota&DGDXQRGHORVSXQWRVPXHVWUDOHVVHUDPL¿FDWDO\FRPRORKLFLPRVFRQHOVXFHVR Esperanza matemática. Si p es la probabilidad de éxito de un suceso en un solo ensayo, el número de sucesos o la esperanza de ese suceso en n ensayos, estará dado por el producto de n y la probabilidad de éxito p. E = np Ejemplo 13(QHOODQ]DPLHQWRGHGRVGDGRVYHFHV¢FXiOHVODHVSHUDQ]DGHTXHHQODVXPDGHVXV FDUDVVHREWHQJDXQYDORUPHQRUD" o : Primero obtenemos la probabilidad de éxito que el suceso sea un valor menor a 6 en un solo ensayo: 10 ĺ p = ––– 36 10 9.000 Como se lanza el dado 900 veces, se obtiene que: E = np = 900 o–––p= ––––– = 250 36 36 Se espera que 250 de los 900 lanzamientos, la suma de sus caras resulte un valor menor a 6. Ejemplo 14/DQ]DPLHQWRGHWUHVPRQHGDV¢&XiOHVODHVSHUDQ]DGHODDSDULFLyQGHFDUDVSRUODQ]DPLHQWR" E = np = 3 (1/2) = 1,5 12 = = >"iP(x) = ------ = 1,5 8 El resultado de 1,5 es el número esperado de caras por lanzamiento. www.FreeLibros.org 184 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO EJERCICIOS PARA RESOLVER La gran mayoría de los ejercicios de este libro, se encuentran resueltos en el Sistema de Información en Línea SIL. 1. Las caras de un dado común se hallan numeradas de 1 a 6. D ¢&XiOHVODSUREDELOLGDGGHTXHKDELpQGRVHODQ]DGRHOGDGRDSDUH]FDHQODFDUDVXSHULRUXQ YDORUSDU" E ¢&XiOHVODSUREDELOLGDGGHREWHQHUXQQ~PHURPD\RUDGRV" ¢&XiOHVODSUREDELOLGDGGHTXHDOODQ]DUGRVGDGRVFRPXQHVVHSUHVHQWHQGRVYDORUHVWDOHVTXHOD VXPDVHDD " E " ¢&XiOHVODSUREDELOLGDGGHTXHDOODQ]DUWUHVPRQHGDV D ¢7RGRVVHDQFDUDV"E ¢4XpGRVVHDQFDUDV" ¢&XiOHVODSUREDELOLGDGTXHVHDQYDURQHVORVWUHVKLMRVGHXQDIDPLOLD" ¢&XiOHVODSUREDELOLGDGHQODH[SHULHQFLDGHODQ]DUGRVGDGRVXQREODQFR\RWURURMRGHREWHQHU" a) Primero, construir un espacio muestral E ¢4XHHQXQRGHHOORVVHSUHVHQWHHO\HQHORWURXQYDORUPHQRUD" F 2EWHQHUHQHOGDGREODQFRXQQ~PHURPHQRUGHWUHV\HQHOGDGRURMRXQYDORUPD\RUDWUHV" d) La suma de las dos caras resulte un valor de: 6; 8; 7; más de 9. 6. Si se tienen 2 lápices uno rojo y otro verde, cuyas caras están numeradas 1, 2, 3, 4 y se hacen rodar sobre el piso, leyendo los números correspondientes a sus caras superiores. Con lo anterior: a) Establezca el espacio muestral de los acontecimientos. b) Determine la probabilidad de que la cara superior del lápiz rojo sea 1 ó 3, mientras que la de verde sea 2 ó 4. F ¢&XiOHVODSUREDELOLGDGGHTXHODVXPDGHVXVFDUDVVHD" G ¢4XHODVXPDGHVXVFDUDVVHDXQQ~PHURSDU" F ¢4XpGRVVHDQVHOORV" 6XSRQJDTXHDJUHJDXQOiSL]D]XODOHMHUFLFLRDQWHULRU¢3XHGHHVWDEOHFHUXQHVSDFLRPXHVWUDO"6L es así, determínelo: D ¢&XDOHVODSUREDELOLGDGGHTXHH[DFWDPHQWHXQDGHODVFDUDVH[SXHVWDVSUHVHQWHHOQ~PHURGRV" b) Hallar la probabilidad correspondiente a que exactamente dos de las caras expuestas presenten el número dos. c) Que las tres caras presenten el número dos. 8. Tres corredores A, B y C compiten entre ellos frecuentemente; han ganado el 60, el 30 y el 10 por 100 de las competiciones respectivamente. En la próxima carrera: D ¢&XiOVHUiHOHVSDFLRPXHVWUDO" E ¢4XpYDORUHVSRGUtDPRVDVLJQDUDORVSXQWRVPXHVWUDOHV" F ¢&XiOHVODSUREDELOLGDGGHTXH$SLHUGD" 9. Después de un extenso estudio, los archivos de una compañía de seguros revelan que la población GHXQSDtVFXDOTXLHUDSXHGHFODVL¿FDUVHVHJ~QVXVHGDGHVFRPRVLJXHXQSRUFLHQWRPHQRUHVGH 20 años, un 25 por ciento entre 21 y 35 años, un 20 por ciento entre 36 y 50 años, un 15 por ciento www.FreeLibros.org CAPÍTULO CINCO NOCIONES ELEMENTALES DE PROBABILIDAD 185 entre 51 y 65 años y un 5 por ciento mayores de 65 años. Suponga que se puede elegir un individuo de tal manera que cualquier habitante del país supuesto tenga la misma posibilidad de ser elegido. Empleando la anterior información, describir un espacio PXHVWUDOSDUDODHGDGGHOLQGLYLGXRHOHJLGR\DVLJQDUYDORUHVDORVSXQWRVPXHVWUDOHV¢&XiOHVOD SUREDELOLGDGGHTXHHOLQGLYLGXRHOHJLGRVHDPD\RUDDxRV" 10. Un embarque de pintura contiene 2.000 latas de 5 kilos, de las cuales 800 son de pintura blanca, 500 de amarilla, 300 de roja, 300 de verde y 100 de azul. Durante el viaje, las latas se han sumergido accidentalmente en agua y se han borrado todos los rótulos. A la llegada, las latas se colocan sobre una plataforma, se coge una y se abre. Respecto del color de la lata elegida: D ¢&XiOHVHOHVSDFLRPXHVWUDO" E ¢4XpYDORUHVSRGUtDQDVLJQDUVHDORVGLYHUVRVSXQWRVPXHVWUDOHV" F ¢&XiOHVODSUREDELOLGDGGHTXHODODWDHOHJLGDFRQWHQJDSLQWXUDURMDEODQFDRD]XO" 6XSRQJDTXHHOREVHUYDWRULRPHWHRUROyJLFRFODVL¿FDFDGDGtDVHJ~QODVFRQGLFLRQHVGHOYLHQWRFRPR ventoso o en calma; según la cantidad de lluvia caída, en húmedo o seco y según la temperatura FRPRFDOXURVRQRUPDORIUtR¢4XpHVSDFLRPXHVWUDOHVQHFHVDULRSDUDFDUDFWHUL]DUXQGtD"¢4Xp YDORUHVVHSXHGHQDVLJQDUDORVSXQWRVPXHVWUDOHV" 12. En una urna que contiene cuatro bolas blancas y dos rojas. D ¢&XiOHVHOHVSDFLRPXHVWUDO" E ¢4XpYDORUHVSDUHFHQUD]RQDEOHVSDUDORVSXQWRVPXHVWUDOHV" F ¢&XiOHVODSUREDELOLGDGGHVDFDUXQDERODURMD" 13. Si se lanzan 3 dados, encontrar la probabilidad de que: a) Los 3 presenten un cuatro. b) Los 3 presenten, el mismo número. c) Dos dados presenten el cuatro y el tercero cualquier otro número. d) Sólo dos dados tengan el mismo resultado. 7HQHPRVHQXQDFDMDERODVD]XOHVEODQFDVQHJUDV\YHUGHV¢4XpSUREDELOLGDGKD\GHJDQDU RSHUGHUVLODVSUHPLDGDVVRQODVEODQFDV\D]XOHV" 8QH[SHULPHQWRFRQVLVWHHQVHOHFFLRQDUXQD¿FKDGHXQDFDMDTXHFRQWLHQHGHHOODVQXPHUDGDVGHO 1 al 6. Dadas las siguientes descripciones, establecer cuáles son espacios muestrales adecuados al experimento considerado. a) U = [ 1, 2, 3, 4, 5, 6] b) U = [1, 2, 3, 4, 5] c ) U = [N° par, N° impar] d) U = [1, 3, 5, N° par] e) U = [1, 2, N° menor que 6, 6] f) U = [N° menor que 3, 3, N° mayor que 3] 16. Se elige un comité de 3 miembros entre 6 candidatos A B C D E y F. D (VSHFL¿FDU HO HVSDFLR DSURSLDGR \ DVLJQDU DGHFXDGDPHQWH SUREDELOLGDGHV D ORV VXFHVRV elementales del espacio muestral. b) Hallar la probabilidad de que se elija A c) Hallar la probabilidad de que A y B sean elegidos. d) Hallar la probabilidad de que A o B sean elegidos. e) Hallar la probabilidad de que A no sea elegido f) Hallar la probabilidad de que ni A ni B sean elegidos www.FreeLibros.org 186 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO ¢&XiOHVODSUREDELOLGDGTXHXQDERODH[WUDtGDDOD]DUGHXQDXUQDTXHFRQWLHQHWUHVERODVURMDV FXDWUREODQFDV\FLQFRD]XOHVVHDEODQFD" 18. En una encuesta a familias con dos niños, se registra el sexo de cada niño según el orden de sus nacimientos. Por ejemplo, si el primer niño es varón y el segundo es mujer se anotará: HM. Esto es un punto del espacio muestral. Listar los demás puntos muestrales. 19. Supongamos que la encuesta del ejercicio anterior, se realice a familias con 3 hijos. a) Listar un espacio muestral apropiado E ¢&XiQWRVSXQWRVWHQGUiGLFKRHVSDFLR" F ¢&XiQWRVGHWDOHVSXQWRVFRUUHVSRQGHQDIDPLOLDVFRQGRVKLMRVKRPEUHV\XQDPXMHU" G ¢&XiQWDVIDPLOLDVHQODVTXHHOSULPHUKLMRQDFLGRVHDPXMHU" 20. Asignando la misma probabilidad a cada uno de los puntos del espacio muestral del ejercicio anterior. D ¢&XiOHVODSUREDELOLGDGGHTXHHQXQDIDPLOLDFRQKLMRVORVGRVSULPHURVVHDQPXMHUHV\HO WHUFHURKRPEUH" E ¢&XiOHVODSUREDELOLGDGGHTXHGRVVHDQPXMHUHV\XQRVHDKRPEUH" 21. Una persona guarda en su bolsillo una moneda de $50, una de $100, otra de $200 e imaginemos una cuarta de $500. Si esa persona toma sucesivamente (una después de la otra) dos monedas, describir un espacio muestral apropiado. 22. Se lanzan dos dados correctos. Calcular la probabilidad del suceso, “los números obtenidos no suman 4”. 23. A continuación se mencionan algunos experimentos aleatorios. En cada uno de los casos se pide describir un espacio muestral. a) Se extrae una carta de una baraja española (40 cartas) y se anota la carta escogida. b) Se lanzan 6 monedas y se observa la aparición de caras y sellos. c) Un joven tiene en su bolsillo 4 billetes: de $100, de $200, de $1.000 y de $10.000 pesos. Saca, uno tras otro, dos billetes. d) Los socios de un club eligen un comité de tres miembros entre los seis candidatos A, B, C, D, E y F. 6XSRQJD WUHV ¿JXUDV GH FDUDV QXPHUDGDV GHO XQR DO FXDWUR$O VHU ODQ]DGDV DO DLUH \ OXHJR observados los números que aparecen en la cara superior, se pide: a) Elaborar un espacio muestral. b) Utilizando la regla del exponente, hallar el número de eventos posibles. c) Determinar la probabilidad de obtener exactamente un dos; exactamente dos dos; exactamente tres dos. /DSUREDELOLGDGGHTXHHQXQGtDFXDOTXLHUDOOXHYDHVGHO¢&XiOHVODSUREDELOLGDGGHTXH OOXHYD"¢4XHQROOXHYD" $OODQ]DUXQSDUGHGDGRVFRUUHFWRV¢FXiOHVODSUREDELOLGDGGHTXH D $PERVGDGRVSUHVHQWHQHOQ~PHURWUHV" E $PERVSUHVHQWHQQ~PHURVLPSDUHV" www.FreeLibros.org CAPÍTULO CINCO NOCIONES ELEMENTALES DE PROBABILIDAD 187 F /DVXPDGHVXVFDUDVVHDXQQ~PHURLPSDU" G (QXQRGHHOORVDSDUH]FDHO\HQHORWURHO" H (QHOSULPHURDSDUH]FDHO\HQHOVHJXQGRHO" 6LVHODQ]DXQGDGRFRUUHFWR¢FXiOHVODSUREDELOLGDGGHREWHQHUXQQ~PHUR" a) Par b) Impar c) Mayor que 0 d) Menor que cinco 6LVHODQ]DQWUHVPRQHGDV¢FXiOHVODSUREDELOLGDGGHREWHQHU D H[DFWDPHQWHXQDFDUD" E SRUORPHQRVGRVFDUDV" F H[DFWDPHQWHGRVFDUDV" G FRPRPi[LPRWUHVFDUDV" D ¢4XpHVXQHYHQWR" E 6LVHWLHQHXQDEDUDMDGHFDUWDVDOVDFDUXQD.¢FXiOVHUiHOHYHQWRGHLQWHUpV"\¢FXiOHVVRQ ORVSXQWRVPXHVWUDOHVGHHVHHYHQWR" F ¢&XiOHVODSUREDELOLGDGDOH[WUDHUXQDFDUWDGHXQDEDUDMDGHGHREWHQHUXQD¿JXUD .4- " 6XSRQJDTXHHQXQJUXSR FXUVR GHDOXPQRVVHYDQDVHOHFFLRQDUGHHOORVFRQHO¿QGHREVHUYDU si trabajan (A) o no trabajan (B) a) Enumérense los elementos del espacio muestral, con los tres alumnos seleccionados. b) Enumérense los elementos en el suceso de que el número de alumnos que trabajan sea cero. F ¢&yPRSRGUtDGH¿QLUXVWHGHOVXFHVR^$$%$%$%$$`" 31. Explique brevemente qué es: a) Probabilidad a priori c) Espacio muestral e) Probabilidad subjetiva g) Prueba b) Probabilidad empírica d) Diferencia entre posibilidad y probabilidad f) Experimento h) Evento 32. Estime la probabilidad de que su equipo favorito sea uno de los 4 primeros en el campeonato del año HQWUDQWH¢(QTXpIDFWRUHVVHEDVDSDUDKDFHUGLFKDHVWLPDFLyQ"¢&yPROODPDUtDHVWDSUREDELOLGDG" 33. De un ejemplo de probabilidad subjetiva y otra de probabilidad objetiva. 34. Hay dos reglas que se aplican a los espacios muestrales: (a) Cada resultado posible del experimento debe corresponder a un punto muestral. (b) Analizando el espacio muestral correspondiente al lanzar un dado: aparece un número par, aparece un número impar. En ambos casos a) y b), conteste si es cierto o falso, la aplicación de esas reglas. Esperanza matemática 35. Se propone un juego de dados, en las siguientes condiciones: si sale el “uno” gano $5.000, pero si VDOHFXDOTXLHURWURQ~PHURSLHUGR¢'HERDFHSWDUHVDSURSXHVWD" 36. En una urna hay 50 sobres, de los cuales, 10 contienen $5.000, 10 contienen $1.000 cada uno y el UHVWRHVWiYDFtR¢&XiOHVODHVSHUDQ]DREWHQLGDDOVDFDUXQVRORVREUH" 37. Una persona saca sucesivamente tres bolas, sin reposición, de una urna que contiene 8 bolas negras, EODQFDV\URMDV6LUHFLEHVLQRVDFDQLQJXQDERODQHJUD¢&XiOHVVXHVSHUDQ]D" www.FreeLibros.org 188 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO 8QDFRPSDxtDGLVSRQHGHREUHURVFDOL¿FDGRVSDUDRSHUDUXQDPiTXLQDTXHUHTXLHUHREUHURVHQ cada turno. D ¢&XiQWRVWXUQRVVRQGLVSRQLEOHV" E ¢(QFXiQWRVGHHVWRVWXUQRVDSDUHFHUiXQRFXDOTXLHUDGHWDOHVREUHURV" 39. El número de accidentes que ocurren en una determinada esquina los días viernes entre las 5:30 y las 6:30 p.m. pueden ser: 0, 1, 2, 3 ó 4; con probabilidades asociadas iguales a 0,90, 0,04, 0,03, 0,02 y 0,01. a) Halle el número esperado de accidentes, durante dicho período. b) Durante 200 períodos como el que se consideró. 40. Aseguro mi automóvil contra el riesgo de robo en la suma de $850.000. Si la probabilidad de que VHDUREDGRHQHOFXUVRGHXQDxRHV¢FXiOHVHOSUHFLRMXVWRGHODSULPDDQXDOTXHGHERSDJDU" REGLA DE MULTIPLICACIÓN, PERMUTACIONES Y COMBINACIONES Hemos visto cómo el diagrama de árbol nos ayuda a establecer los puntos muestrales, y también puede ser utilizado en aquellos experimentos compuestos, que puede resultar tedioso, sobretodo cuando el número de resultados posibles o el número de etapas es bastante grande. La regla de multiplicación, la aplicación de las permutaciones y combinaciones, evitan en muchos casos trazar un diagrama de árbol. Veámoslo: Regla de multiplicación Algunos de los problemas de probabilidad tienen solución a través de la aplicación de la regla de multiplicación. Ejemplo 1. Una persona vive en el extremo norte de la ciudad y sólo cuenta con dos rutas para poder llegar a la llamada Autopista Norte. Una vez alcanzada la autopista tiene tres rutas de menor congestión para llegar al centro de la ciudad. Ya en el centro puede seleccionar dos rutas para llegar al parqueadero PiVFHUFDQRDVXR¿FLQD/DSUHJXQWDTXHVHKDUtDGLFKDSHUVRQDHV¢GHFXiQWDVPDQHUDVRUXWDVSRGUtD FRQGXFLUVXDXWRPyYLOGHODFDVDDOSDUTXHDGHURPiVSUy[LPRDODR¿FLQD" o : Casa Autopista Centro Parqueadero Las alternativas que tendrá son: www.FreeLibros.org {1,3,6} {1,3,7} {2,3,6} {2,3,7} {1,4,6} {1,4,7} {2,4,6} {2,4,7} {1,5,6} {1,5,7} {2,5,6} {2,5,7} CAPÍTULO CINCO NOCIONES ELEMENTALES DE PROBABILIDAD 189 En total se tienen 12 maneras o rutas para elegir. Aplicando la técnica de la multiplicación, se tendrá: 2 x 3 x 2 = 12. Para el total de arreglos que se pueden hacer, la fórmula general es: Total arreglos posibles = m . n Si tenemos por ejemplo cuatro eventos será igual : m x n x o x p Ejemplo 2.(QHOH[SHULPHQWRGHODQ]DUXQDPRQHGD\DODYH]XQGDGR¢FXiOHVHOQ~PHURGHSXQWRV PXHVWUDOHV" o : En el primer caso (moneda) son 2 y en el dado son 6 las posibilidades por lo tanto el número de puntos muestrales del experimento compuesto es 2 x 6 = 12 Ejemplo 3 6XSRQJDPRV TXH VH YD D H[WUDHU XQD FDUWD HQ XQD EDUDMD GH FDUWDV ¢&XiQWRV SXQWRV muestrales tendrá un experimento compuesto (a) si después de extraer una carta, se vuelve al mazo y OXHJRVHH[WUDHRWUDFDUWD" E VLOXHJRGHH[WUDHUXQDFDUWDpVWDVHGHMDSRUIXHUD\OXHJRVHH[WUDHRWUD VHJXQGDFDUWD" o : a) En la primera se tienen 52 cartas y como inmediatamente se devolvió, la que se extrajo en la segunda se tendrán otra vez las 52 cartas, por lo tanto el total de puntos muestrales será: 52 x 52 = 2.704 b) En la primera extracción se tendrán 52 puntos, pero en la segunda no se devolvió la carta, sólo hay 51 puntos, en este caso será: 52 x 51 = 2.652 puntos muestrales. Ejemplo 46HODQ]DQWUHVGDGRV D ¢&XiQWRVSXQWRVPXHVWUDOHVVHWLHQH" E ¢&XiOHVODSUREDELOLGDGGH REWHQHUXQHQXQRGHORVGDGRV" F 4XHDSDUH]FDXQHQHOSULPHUGDGR G 'HREWHQHUH[DFWDPHQWH dosd 2. o : a) Se tendrá 216 puntos muestrales 63 = 216. b) En total se obtiene 77 resultados, la probabilidad será: 77/216 c) Si tiene 36 casos posibles, la probabilidad será: 36/216 d) Son 15 los casos posibles, la probabilidad será: 15/216 Permutaciones y combinaciones /DUHJODGHODPXOWLSOLFDFLyQHVODEDVHGHGRVIyUPXODVTXHQRVSHUPLWHQVLPSOL¿FDUHQIRUPDFRQVLGHUDEOH el conteo de puntos muestrales, siendo ellas las permutaciones y las combinaciones. Se puede decir que las permutaciones es una forma de ordenar o arreglar la totalidad de los elementos de un conjunto; también se puede considerar como un conjunto de cosas extraídas en un orden 6 y sin reemplazo de un conjunto igual o mayor. www.FreeLibros.org Generalmente simbolizado por Pn = n! o como n P n = n! Lo anterior se lee como “permutaciones de n elementos tomados de n en n” El símbolo n! se lee como n factorial, consideremos el ejemplo de 8! 190 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO o : 8! = 8 × 7 × 6 × 5 × 4 × 3 × 2 × 1 También se puede escribir a: 8! = 8 × 7 × 6 × 5! Ejemplo 1. Supongamos que se tienen los siguientes números naturales 1, 2, 3, 4 y se quiere formar cifras de 4 dígitos. Según la fórmula anterior se tendrá que 4P4 = P4 = 4! = 4 × 3 × 2 × 1 = 24. Veamos cuales serían esas cifras: Ejemplo 2. En la primera línea del salón de clases se tienen colocados 8 pupitres y se quiere sentar a 8 DOXPQRV¢GHFXiQWDVPDQHUDVVHSRGUiQFRORFDU" o : 8P8 = P8 = 8! = 40.320 maneras Ejemplo 3&RQODVOHWUDVGHODSDODEUD3$/2¢FXiQWDVSDODEUDVVHSXHGHQIRUPDU" PALO PAOL PLAO PLOA POLA POAL APLO APOL AOPL AOLP ALOP ALPO LPAO LPOA LOPA LOAP LAPO LAOP OPAL OPLA OLAP OLPA OALP OAPL P4 = 4! = 4 × 3 × 2 × 1 = 24 palabras Cuando uno o varios elementos están repetidos, el cálculo de las permutaciones varía: en este caso nos referimos a Permutaciones con repetición; por ejemplo con la palabra CASA tendríamos un número de palabras inferior a 24, en el caso de que no se haga distinción de la A. Las permutaciones con repetición, r son un caso particular de las variaciones y no existe una ley sencilla para su formación. Dado lo complicado del sistema, solamente se presenta la fórmula con la cual se logra obtener el número de esta clase de permutaciones. Sean los elementos aa – bbb – cc – d para permutar con repetición. Tendremos 8 elementos repartidos así: dos del primero, tres del segundo, dos del tercero y uno del cuarto, entonces las permutaciones se presentan así: P8 (r:2,3,2,1) y la fórmula será: n! 8! 8 x 7 x 6 x 5 x 4 x 3! = = 1.680 ( : 1 . 2) = ( : 2, 3, 2,1) = 2! 3! 2! 2 x 1 x 3! x 2 x 1 1! 2 ! www.FreeLibros.org CAPÍTULO CINCO NOCIONES ELEMENTALES DE PROBABILIDAD 191 Ejemplo 4¢'HFXiQWDVPDQHUDVGLVWULEXLUtDPRVPRQHGDVGH\PRQHGDVGHHQXQDPLVPD OLQHD" o : 7 ( :3, 4 ) = 7! = 35 maneras 3! 4! Ejemplo 5¢&XiQWRVJUXSRVGHOHWUDVVHSXHGHQIRUPDUFRQODVOHWUDVGHODSDODEUD$PLJDV" o : 6 ( :2) = 6! = 360 grupos de letras 2! Ejemplo 6 ¢&XiQWDV SDODEUDV VH SXHGHQ IRUPDU FRQ ODV OHWUDV GH OD SDODEUD %DUUDQTXLOOD" 3ULPHUR contamos el número de letras, para determinar el valor de n, en este caso n = 12; luego las letras repetidas; A se repite 3 veces (r1= 3); R dos veces (r2= 2) y la L dos veces (r3= 2). Aplicando la fórmula se tendrá: 12 ( :3, 2 , 2 ) = 12! 12 × 11 × 10 × 9 × 8 × 7 × 6 × 5 × 4 × 3! = 19.958.400 palabras = 3! 2! 2! 3! × 2 × 1 × 2 × 1 En las permutaciones cuando no se utilizan todos los elementos, sino una parte de ellos, algunos lo denominan como variaciones, cuya fórmula está dada así: = = ! ( − )! Ejemplo 7. Volvamos nuevamente a los cuatro números naturales: 1, 2, 3, 4 del ejemplo 1 y formemos cifras de tres dígitos, con los siguientes resultados: o : 123 132 124 142 134 143 213 231 214 241 234 243 312 321 314 341 342 324 413 431 412 421 423 432 4 33 = 4 4 −3 = 4 = 24 cifras 1 Ejemplo 8. Si ahora se quieren formar cifras de dos digitos, se tendrá: o : 12 13 14 21 23 24 31 32 34 41 42 43 4 32 = 4 4 −2 = 4 = 24 = 12 cifras 2 2 Ejemplo . Si en el ejemplo 2 de los 8 pupitres colocados en la primera línea del salón se quiere determinar de cuántas maneras podemos ordenar a 5 alumnos, se tendrá: ×7×6×5×4×3 = = = 6.720 maneras 3 −5 3 Combinaciones. Son un arreglo de los elementos sin importar el orden en que se dispongan. P5 = www.FreeLibros.org 8 192 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO La fórmula que se utiliza en el cálculo de las combinaciones es: n! Cr = ––––——— ()! r ! n Ejemplo 10. Cambiemos el ejercicio de los 4 números naturales por las primeras cuatro letras del alfabeto $%&'6LVHGHVHDFRPELQDUORV¢FXiQWDVFRPELQDFLRQHVVHSRGUiQKDFHU" o : Una sola combinación, ya que al no importar el orden de colocación da lo mismo ABCD = ADBC = ACBD = CBAD = DACB = etc. 4 &4 = 4 4 4 = = = 1 combinación 0 4 1 4 4 −4 4 Ejemplo 11. Si se fueran a combinar esas 4 letras de dos en dos, se tendría: AB = BA BC = CB BD = DB CD = DC AD = DA 4 =6 Se pueden combinar de 6 maneras: 4 & 2 = 4−2 2 AC = CA Ejemplo 12. En este mismo ejercicio nos pidieran que combináramos las letras de 3 en 3, el resultado sería: ABC ABD ACD BCD = = = = BCA ADB ADC BDC = = = = CBA BDA CAD CBD = = = = ACB BAD CDA CDB = = = = BAC DAB CDA DBC = = = = CAB DBA CAD DCB En total se puede combinar de 4 maneras. Mediante la aplicación de la fórmula se tendrá: n! Cr= ––––——— ()! r ! n 4 &3 = 4 4 = =4 4−3 3 1 3 APLICACIÓN DE LA CALCULADORA Los cálculos anteriores, para determinar el total de puntos muestrales que tenga el experimento, se pueden agilizar mediante el uso de la calculadora. La mayoría de ellas tienen en sus teclas la indicación correspondiente, si se trata de permutaciones aparece nPr y en las combinaciones nCr algunas implican una vez digitado el valor de n, oprimir la tecla SHIFT y luego el valor de r, de esta forma se obtiene el resultado respectivo: n! Cr= ––––——— ()! r ! n 10 & 6 = 10 = 210 4 6 10 36 = 10 = 151 200 4 www.FreeLibros.org En la calculadora CASIO fx 5.000F, las fórmulas están incorporadas así: con 12 y luego la tecla FMLA aparece la fórmula para el cálculo de las permutaciones y con la cifra 13 y FMLA se obtiene la correspondiente a las combinaciones. CAPÍTULO CINCO NOCIONES ELEMENTALES DE PROBABILIDAD 193 EJERCICIOS PARA RESOLVER La gran mayoría de los ejercicios de este libro, se encuentran resueltos en el Sistema de Información en Línea SIL. (Q XQD 8QLYHUVLGDG GH %RJRWi D HVWXGLDQWHV VH OHV FDOL¿FD FRQ ODV OHWUDV$ % & ' ( ¢'H FXiQWDVPDQHUDVVHOHVSXHGHFDOL¿FDUVLORVHVWXGLDQWHVREWLHQHQWRGRVFDOL¿FDFLRQHVGLIHUHQWHV" 42. Si un futbolista conoce 7 jugadas diferentes y si el entrenador le instruye para que juegue las 7 sin TXHQLQJXQDVHUHSLWD¢TXpOLEHUWDGOHTXHGDDHVHMXJDGRU" 8QDVHxRUDLQYLWDDFHQDUDDPLJRV\GHVSXpVGHVHQWDUVHHOOD¢'HFXiQWDVPDQHUDVVHSXHGHQ VHQWDUVXVLQYLWDGRV" ¢&XiQWDVSHUPXWDFLRQHVVHSXHGHQKDFHUFRQODVOHWUDV$l A2 Bl B2" ¢&XiQWDVFLIUDVGHGtJLWRVVHSXHGHQIRUPDUFRQORVGtJLWRVGHODO" 46. Un examen consta de cuatro preguntas y se deja libertad para contestarlas en el orden que se desee. ¢'HFXiQWDVPDQHUDVVHSRGUiFRQWHVWDU" ¢&XiQWDVSDODEUDVGHOHWUDVFRQRVLQVHQWLGRLGLRPiWLFRSXHGHQIRPDUVHDSDUWLUGHODVOHWUDVGH ODSDODEUD&26(5" ¢&XiQWDVSHUPXWDFLRQHVSXHGHQHIHFWXDUVHFRQODVOHWUDV$%&" ¢&XiQWDVSHUPXWDFLRQHVVHSXHGHQKDFHUFRQODVOHWUDVGHODSDODEUD0,66,66,33," D ¢&XiQWDVSHUPXWDFLRQHVVHSXHGHQKDFHUFRQODVOHWUDVGHODSDODEUD&223(5$'25" E ¢$KRUDVLVHFRQVLGHUDTXHODV2GHEHQHVWDUMXQWDV" ¢&XiQWDVSHUPXWDFLRQHVVHSXHGHQKDFHUFRQODVOHWUDV$$%l B2 B3" ¢&XiQWDVSHUPXWDFLRQHVVHSXHGHQKDFHUFRQODVOHWUDV$$%%%" ¢'H FXiQWDV PDQHUDV VH SXHGHQ RUGHQDU HQ XQ HVWDQWH FRQ OLWURV GH ZKLVN\ \ WUHV ERWHOODV GH DJXDUGLHQWHDFRQGLFLyQGHTXHGRVOLWURVGHZKLVN\HVWpQVLHPSUHMXQWRV\GRVERWHOODVDJXDUGLHQWH VLHPSUHMXQWDV" Permutaciones (Variaciones) 6LXQHVWXGLDQWHWLHQHOLEURV\GHVHDRUGHQDUGHHOORVVREUHXQHVWDQWH¢'HFXiQWDVPDQHUDV GLVWLQWDVSXHGHKDFHUOR" ¢&XiQWRVQ~PHURVGHGtJLWRVSXHGHQIRUPDUVHFRQORVGtJLWRV\VLQLQJXQRSXHGH DSDUHFHUPiVGHXQDYH]HQFDGDQ~PHUR" www.FreeLibros.org ¢&XiQWDVSDODEUDVGHFLQFROHWUDVGLIHUHQWHVVHSXHGHQIRUPDUFRQODVOHWUDVGHODOIDEHWR" 194 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO ¢&XiQWRVQ~PHURVGHWUHVFLIUDVVHSXHGHQIRUPDUFRQORVG,JLWRV" ¢&XiQWDVVHxDOHVGLIHUHQWHVVHSXHGHQIRUPDUFRQEDQGHUDVGLVWLQWDVOHYDQWDQGRDOPHQRV\ QRPiVGHEDQGHUDVHQXQDGUL]DGHXQPiVWLO" ¢'HFXiQWDVPDQHUDVGLIHUHQWHVVHSXHGHFRQWHVWDUXQH[DPHQGHSUHJXQWDVVLVyORKD\TXHGDU UHVSXHVWDDGHHOODV" ¢&XiQWDV RUGHQDFLRQHV GLIHUHQWHV GH GLH] OHWUDV VH SXHGHQ KDFHU XWLOL]DQGR OD SDODEUD &219(1&,Ï1" 61. Determine el valor para cada uno de los siguientes casos: a) 6! b) 10! c) 3! d) 0! D ¢&XiQWRVQ~PHURVGHWUHVGtJLWRVSXHGHQIRUPDUVHFRQ" E ¢&XiQWDVFLIUDVGHGtJLWRV" F ¢&XiQWDVFLIUDVGHGtJLWRV" ¢&XiQWDVSHUPXWDFLRQHVVHSXHGHQREWHQHUFRQODVOHWUDVGHODSDODEUD&$55$648,//$" 6LFRQVLGHUDPRVXQDOIDEHWRFRQOHWUDV¢FXiQWDVSODFDVGHWUHVOHWUDVVHSXHGHQHODERUDUVLXQD OHWUDQRGHEHDSDUHFHUPiVGHXQDYH]"E ¢&XiQWDVSODFDVVHWHQGUiQVLODVOHWUDVSXHGHQDSDUHFHU PiVGHXQDYH]" 65. Un mecánico contratado para arreglar una máquina, cree que hay posiblemente 4 causas y se le propone dar solución a cada una de ellas, señalándolas por A, B, C, D a) Enumérese el orden que podría dar a las soluciones. E $SOLFDQGRODIyUPXODFRUUHVSRQGLHQWH¢GHFXiQWDVPDQHUDVVHSXHGHQSHUPXWDU" 66. Si consideramos el actual campeonato de balompié conformado por 16 equipos: D ¢'HFXiQWDVPDQHUDVVHSRGUiQFODVL¿FDUVXSRQLHQGRTXHQRKD\HPSDWHV" E 6LVyORFRQVLGHUDPRVORVSULPHURVSXHVWRV¢FXiQWDVFODVL¿FDFLRQHVGLIHUHQWHVVHSXHGHQKDFHU" ¢'HFXiQWDVPDQHUDVSRVLEOHVVHSXHGHQRUGHQDUHQXQDELEOLRWHFDOLEURVGHPDWHPiWLFD\GRVGH HVWDGtVWLFDVH¿MDFRPRFRQGLFLyQTXHORVOLEURVGHPDWHPiWLFDHVWpQVLHPSUHMXQWRVORPLVPRTXH ODVHVWDGtVWLFDV" 8QMRYHQKDLQYLWDGRDDPLJRVDFRPHU'HVSXpVGHVHQWDUVHpO¢GHFXiQWDVPDQHUDVGLIHUHQWHV SXHGHQVHQWDUVHORVDPLJRV" 69. Obtener los resultados para los siguientes: a) 6P2 b) 4Pl c) l2P5 d) P6 e) P8 Combinaciones 70. Desarrolle las siguientes combinaciones: 8 5 5 o p o p o a) 6 b) 3 c) 2p 8 o d) 2p 10 o e) 4p 10 o f) 6p www.FreeLibros.org ¢2EVHUYDDOJRHVSHFLDOHQHOGHVDUUROORGHORVHMHUFLFLRVDQWHULRUHV"¢3RUTXpVHGDQHVRVUHVXOWDGRV LJXDOHV" CAPÍTULO CINCO NOCIONES ELEMENTALES DE PROBABILIDAD 195 ¢'HFXiQWDVPDQHUDVSXHGHIRUPDUVHXQHTXLSRGHEDORPSLp EDMRHOVXSXHVWRTXHSXHGHQMXJDUHQ FXDOTXLHUSXHVWR HQWUHXQSODQWHOGHMXJDGRUHV" ¢'HFXiQWDVPDQHUDVVHSXHGHRUJDQL]DUXQDIDPLOLDGHKLMRVVLGHVHDTXHGRVVHDQQLxDV\WUHVQLxRV" ¢&XiQWDVFRPLVLRQHVGHSHUVRQDVSXHGHQIRUPDUVHFRQXQJUXSRGHSHUVRQDV" 74. Supongamos que Pedro, María, Grisel, Juan y Jorge son los candidatos para conformar un comité, FRPSXHVWRGHWUHVSHUVRQDVD ¢&XiQWRVFRPLWpVGHWUHVSHUVRQDVVHSXHGHQFRQIRUPDU"E *ULVHO y Juan, por ser hermanos, no deben estar juntos en los comités. $OGHVDUUROODUODVVLJXLHQWHVFRPELQDFLRQHV¢TXpREVHUYDXVWHGHQORVUHVXOWDGRV" 10 10 8 8 7 7 a) o 6 p = o 4 p b) o 3 p =o 5 p c) o 2 p = o 5 p ¢&XiQWRVFRPLWpVGLIHUHQWHVGHSHUVRQDVVHSXHGHQIRUPDUDSDUWLUGHXQJUXSRGHSHUVRQDV" 77. a) Suponga que en el ejercicio anterior el comité de 4 personas tiene que estar conformado por una mujer y 3 hombres. b) Si el grupo está conformado por 4 mujeres y 8 hombres, ¢(QORVGRVFDVRVGHFXiQWDVPDQHUDVGLIHUHQWHVORVSRGHPRVRUJDQL]DU" ¢&XiQWRVJUXSRVGHFDUWDVSXHGHQREWHQHUVHGHXQDEDUDMDGHFDUWDV" 79. ¢&XiQWRVFRPLWpVGLIHUHQWHVSXHGHQVHOHFFLRQDUVHHQWUHKRPEUHV\PXMHUHVVLGHEHQFRQVWLWXLUVHGH a) 3 hombres y 2 mujeres b) 5 personas de las cuales por lo menos tres deben ser hombres. 80. Es necesario elegir un comité de 10 personas entre 6 abogados, 8 economistas y 5 ingenieros. Si el comité debe estar integrado por 4 abogados, 3 economistas y 3 ingenieros. ¢&XiQWRVFRPLWpVFRPSXHVWRVGHGLSXWDGRV\VHQDGRUHVSXHGHQIRUPDUVHWRPDQGRFRPREDVH XQJUXSRGHGLSXWDGRV\VHQDGRUHV" D ¢&XiQWDVFRPLVLRQHVGHSHUVRQDVVHSXHGHQIRUPDUVHOHFFLRQiQGRODVGHHQWUHSHUVRQDV" E ¢&RPLVLRQHVGHSHUVRQDVHQWUH" ¢&XiQWRVJUXSRVGHFLQFRFDUWDVVHSXHGHQREWHQHUGHXQDEDUDMDGHFDUWDV" ¢'HFXiQWDVPDQHUDVVHSXHGHQH[WUDHUGRVPDQ]DQDVGHXQDFDMDTXHFRQWLHQHPDQ]DQDV" 8QDFDMDFRQWLHQH¿FKDVURMDV¿FKDVEODQFDV\¿FKDVD]XOHV¢&XiQWDVVHOHFFLRQHVGH¿FKDV se pueden formar si: D ODVGHEHQVHUURMDV" E QLQJXQDSXHGHVHUURMD" www.FreeLibros.org 8Q H[DPHQ FRQVWD GH SUHJXQWDV KD\ TXH GDU UHVSXHVWD D VROR GH ODV SUHJXQWDV ¢&XiQWRV H[iPHQHVGHGLIHUHQWHFRQWHQLGRKDEUiTXHFRUUHJLUFRPRPi[LPR" 196 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO ALGUNAS REGLAS BÁSICAS DE PROBABILIDAD Clases de sucesos. Es necesario primeramente considerar varias clases de sucesos: Sucesos igualmente probable: lanzar una moneda, aparición de cara o sello. Sucesos opuesto o contrario: siendo aquellos que se complementan básicamente. Sucesos ciertos: una moneda con dos caras. Sucesos imposibles: lanzar un dado y que aparezca en la cara superior un 8. Sucesos compatibles: que puede suceder en una baraja, aparezca simultáneamente un seis y que sea oros. Sucesos mutuamente excluyentes: al lanzar un dado, aparece un dos o un seis. Sucesos independientes: al lanzar dos dados, obtener en el primero un dos y en el segundo, un seis. Sucesos dependientes: la ocurrencia de uno afecta la ocurrencia del otro. Para facilitar el cálculo de las probabilidades se emplean algunas reglas como se verán a continuación. REGLA DE ADICIÓN o t a t t Si dos o más sucesos son tales, que solamente uno de ellos puede ocurrir en un solo ensayo, se dice que son mutuamente excluyentes. Se denomina probabilidad aditiva y será igual a la suma de las probabilidades de cada suceso. P = p1 + p2 + p3 + .......... + pn Consideremos que p1, p2, p3, ........ pn son las distintas probabilidades de n sucesos mutuamente excluyentes, la probabilidad (P) de que uno de estos sucesos se presente en un solo ensayo, estará dada por la suma de las probabilidades para cada suceso P = p1 + p2 + p3 + .......... + pn De acuerdo a lo anterior, mutuamente excluyenteVLJQL¿FDTXHVRODPHQWHXQVRORVXFHVRRHYHQWR puede ocurrir, o sea que los demás no se pueden presentar al mismo tiempo. La fórmula anterior la podemos expresar de una manera más fácil y entendible: P ( A ó B) = P(A) + P(B) P ( A o B o C) = P(A) + P(B) + P(C) También se presenta como: P ( Ae B) = P(A) + P(B) donde U VLJQL¿FDXQLyQ En el tema sobre probabilidad condicional existen agunos autores que utilizan simbología diferentes a las presentadas en esta publicación. www.FreeLibros.org CAPÍTULO CINCO NOCIONES ELEMENTALES DE PROBABILIDAD 197 Ejemplo 1. La probabilidad de obtener un As o un Rey, sacando una sola carta en una baraja española de 40 cartas. Si uno de los casos aparece, queda excluido el otro. o : 3 = 4 = 1 40 10 3 3 = 3 = 1 + 1 = 2 =1 5 10 10 10 +3 = 4 = 1 40 10 Ejemplo 2. La probabilidad de obtener un 2 o un 5, en el lanzamiento de un dado. o : P(A) = 1/ 6 (aparición del 2) P( A ) = 1/ 6 (aparición del 5) 1 1 2 P(A o B)= 6 + 6 = 6 = 1 3 Ejemplo 3. Tenemos una caja o recipiente con 16 bolas de 4 colores diferentes: 3 bolas azules 6 bolas negras 2 bolas blancas 5 bolas verdes. ¢4XpSUREDELOLGDGWHQHPRVGHJDQDURSHUGHUVLODVSUHPLDGDVVRQODVEODQFDV\D]XOHV" o : Posibilidades: 3 + 2 + 6 + 5 = 16 Probabilidad adversa: T = 6 + 5 = 11 16 16 16 Probabilidad: S = 3 + 2 = 5 16 16 16 Probabilidad total: S+T= 5 11 + =1 16 16 Se ha dicho que un espacio muestral es el conjunto de resultados posibles de un experimento o ensayo. Un ensayo es considerado como un experimento cuyos resultados no necesariamente tienen que ser los mismos cada vez que se repita. Cualquier subconjunto del espacio muestral es considerado como evento; un subconjunto que contiene un solo punto muestral se denomina un evento elemental o punto muestral. De ahí que los resultados individuales que constituyen el espacio muestral reciban la denominación de sucesos o puntos muestrales. Ejemplo 4. En una empresa el personal se distribuye así: $ B & D E Personal 9LJLODQFLD\DVHR Auxiliar 2SHUDULRV Supervisores y técnicos Profesionales N 58 70 40 Se desea saber Cuál es la probabilidad D $OHOHJLUXQDSHUVRQDFRUUHVSRQGDDOSHUVRQDODX[LOLDU" b) Al elegir una persona sea alguien de vigilancia y aseo RSURIHVLRQDO" c) Que sea un profesional o un operario o un auxiliar. www.FreeLibros.org 198 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO o : a) El número total de empleados es de 378, por lo tanto la probabilidad de que sea personal auxiliar, será de: 58 = 0,1534 = 15,34% ⇒ 378 = = ( ) = 0,1534 30 40 70 + = = 0,1852 ⇒ 378 378 378 ( ) = 0,1852 = 40 + 180 + 58 = 278 = 0,7354 378 378 378 378 Probabilidad que sea de vigilancia y aseo o profesional. Probabilidad que sea profesional u operario o auxiliar. Diagramas (OLQYHVWLJDGRULQJOpV-9HQQ ² HODERUyGLDJUDPDVTXHSHUPLWLHUDQHQIRUPDJUi¿FD visualizar mejor el resultado de un experimento. El espacio muestral, estará delimitado por un HVSDFLRHQIRUPDGHFXDGUDGRUHFWiQJXORFLUFXODUR¿JXUDTXHQRFRUUHVSRQGDDQLQJXQDGHODV anteriores, que represente todos los posibles resultados. En el Ejemplo 4 el diagrama de Venn, cuando los sucesos o eventos son mutuamente excluyentes será: Ejemplo 5. a) En el lanzamiento de un dado, trace un diagrama de Venn. E ¢&XiOHVODSUREDELOLGDGGHTXHDSDUH]FDXQ" F ¢4XHDSDUH]FDRXQ" o : b) Probabilidad de que aparezca un 3 = 1/6 = 0,167 ( 3 6) = ( 3) + ( 6) = 1 1 2 1 + = = = 0,3333 6 6 6 3 Probabilidad que aparezca el 3 o el 6. Recordemos que la probabilidad representada por el espacio muestral es 100% y la probabilidad de cualquier evento A, corresponderá a un valor que puede variar entre 0 y 1. www.FreeLibros.org P(A) CAPÍTULO CINCO NOCIONES ELEMENTALES DE PROBABILIDAD 199 Además la probabilidad de que un evento no ocurra, es igual a uno menos la probabilidad de que si ocurra. 3 $ = 1 − 1 = 6 − 1 = 5 = 0, 33 = 3,33 P( A’ íP( A) 6 6 6 6 En el diagrama de Venn se observará así: A -A Ejemplo 5. Volvamos al experimento de extraer una carta (óigase bien, una sola carta, de una sola EDUDMD ¢&XiOHVODSUREDELOLGDGGHREWHQHUXQDVRXQVHLVGHFRSDVRXQUH\" o : 3 = 4 40 Probabilidad de que sea un seis de copas: 3 = 1 40 Probabilidad de que sea un rey: 3 = 4 40 Probabilidad de que sea un as: Como sólo debe ocurrir uno de estos eventos, dado que se extraerá una carta, la probabilidad de que sólo uno de ellos ocurra estará dada por: P(A o B o C) = P(A) + P(B) + P(C) = 4 + 1 + 4 = = 0,225 = 22,5 P(A o B o C) = 40 40 40 40 Sucesos compatibles Ejemplo 6. Ahora, el experimento con la baraja de 40 cartas consiste en extraer una carta, y se desea saber cuál es la probabilidad de que la carta extraida sea as o copas. Observamos que al extraer una carta puede ser as, pero también puede ser as de copas, cumpliéndose la realización de las dos pruebas en forma simultánea; por tal razón, se dice que los sucesos son compatibles, o también nos podemos referir a una probabilidad conjunta. Se recomienda en el tema de probabilidad condicional ver o consultar otras simbologías que se han utilizado en otros libros. Se dice que dos sucesos son compatibles, o que no son mutuamente excluyentes, cuando la posibilidad de que ocurra un suceso no impide la ocurrencia del otro. En este caso la probabilidad de uno de los dos sucesos se halla así: P(A o B) = P(A) + P(B)í P(A y B) 4 10 1 13 P(A o B) = — + — í — = —= 0,325 = 32,5% 40 40 40 40 14 La probabilidad de que aparezca un as: P( A ) = — 40 10 La probabilidad de que aparezca copas P( B ) = — 40 Probabilidad que sea as o copas. www.FreeLibros.org 200 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO 1 La probabilidad de que sea el as de copas: P( A y B )= — 40 En un diagrama de Venn se pueden representar eventos compatibles. A B A B Los eventos A y B no son mutuamente excluyentes, ya que tienen algunos elementos en común. Es corriente utilizar símbolos, tales como A intersección de A con B. U B para indicar la unión de A con B, y AŀB la La anterior expresión de: P ( A o B ) = P(A) + P(B) – P( A y B ) Se podrá reemplazar por P ( A U B) = P(A) + P(B) – P( A ŀ B ) Ejemplo 7. Al lanzar un dado, usted apuesta $1.000 a que el número obtenido debe ser par o divisible SRU¢&XiOHVODSUREDELOLGDGGHTXHXVWHGJDQHHQHVWHODQ]DPLHQWR" o : Que aparezca un número par {2, 4, 6} 3 P( A ) = — 6 2 P( A ) = —. Pero observamos que el 6 aparece tanto en 6 1 el suceso A como en el B por tanto, se tendrá que {6} P(AŀB) = — 6 3 2 1 4 2 P( A U B)= — + —í— = — = — = 0,6667 = 66,67% La probabilidad de ganar. 6 6 6 6 3 Ahora, que sea divisible por 3 será {3, 6} Ejemplo 8. La probabilidad de que un alumno del instituto tenga un libro de matemáticas en su biblioteca HVXQOLEURGHHVWDGtVWLFDHV\GHTXHWHQJDDPERVHV¢&XiOHVODSUREDELOLGDGGHTXHXQ HVWXGLDQWHGHOLQVWLWXWRWHQJDXQOLEURGHPDWHPiWLFDVRXQOLEURGHHVWDGtVWLFDRDPERVOLEURV" P( A U B í Probabilidad de obtener un libro de matemática o de estadiística. Colectivos ex austivos Se dice también, que los eventos son colectivamente exhaustivos si no es posible obtener otro resultado para un experimento dado, es decir, por lo menos uno de HOORVGHEHRFXUULU$VtSRUHMHPSORDOH[WUDHUXQDFDUWDGHXQDEDUDMDGH¢FXiO HVODSUREDELOLGDGGHTXHVHDWUpERORGLDPDQWHVRFRUD]RQHVRHVSDGDV"6HSXHGH observar que se agotan todas las posibilidades, ya que se considera la totalidad de los elementos; la probabilidad será igual a 52/ 52 = 1,0. www.FreeLibros.org CAPÍTULO CINCO NOCIONES ELEMENTALES DE PROBABILIDAD 201 REGLA DE LA MULTIPLICACIÓN Sucesos independientes Se dice que dos o más sucesos son independientes, si la probabilidad de presentación de ninguno de ellos TXHGDLQÀXHQFLDGDSRUODSUHVHQWDFLyQGHORWUR(QFDVRFRQWUDULRVHGLFHTXHVRQ dependientes. En otras palabras, si el resultado de un suceso no afecta al otro, se dice que son independientes, por lo tanto se efectuará la multiplicación de las probabilidades para cada suceso. Si p1, p2, p3,..... pn, son las distintas probabilidades de presentación de n sucesos independientes, la probabilidad (P) de que ocurran todos estos sucesos en un solo ensayo, estará dada por el producto de las probabilidades para cada suceso. P = p1 × p2 × p3....×pn Ejemplo 8¢4XpSUREDELOLGDGWHQGUHPRVGHREWHQHUGRV5H\HVVDFDQGRXQDFDUWDGHXQDEDUDMD\ODRWUD GHXQDVHJXQGDEDUDMD" o : 4 4 16 P = — ×— = — = 1/100 40 40 1.600 P( A o B) = P( A ) P( B ) Ejemplo 10$OODQ]DUGRVGDGRV¢FXiOHVODSUREDELOLGDGGHVDFDUGRVFLQFRV" o : 1 P1 = — (5 en el primer dado); 6 1 p2 = — (5 en el segundo dado); 6 1 1 1 P = o—p o—p = — 6 6 36 Recordemos cuando se dice que dos o más eventos son independientes entre si, la ocurrencia de un evento no está relacionada con la ocurrencia de los otros. Si hay tres eventos independientes A, B y C, la probabilidad de que ocurran A, B y C se obtiene al multiplicar las tres probabilidades. P(A y B y C) = P(A) . P(B) . P(C) Ejemplo 11. Supongamos que se dispone de tres barajas de 40 cartas cada una. Se desea extraer tres cartas, XQDGHFDGDEDUDMD¢FXiOHVODSUREDELOLGDGGHREWHQHUXQDV\XQUH\GHRURV\XQVHLVGHFRSDV" o : En la primera baraja se tienen 4 ases, siendo: En la segunda baraja se tiene un rey de oros: Y en la tercera baraja hay un seis de copas: P(A) = 4/40 P(B) = 1/40 P(C) = 1/40 Observamos que los resultados son independientes, pues ninguno de ellos se ve afectado por la aparición del otro; en estos casos aplicamos la regla especial de multiplicación, siendo: 4 1 1 4 16 P( A y B y C ) = — × — × — = —— = —— = 0,0000625 40 40 40 64.000 16.000 www.FreeLibros.org 202 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO (VQHFHVDULRFODUL¿FDUXQSRFRPiVODGLIHUHQFLDHQWUHVXFHVRVPXWXDPHQWHH[FOX\HQWHV y sucesos independientes. a) En el primero se tiene un solo dado, una baraja; en el segundo son dos o más dados o barajas. b) En el primero se extrae una sola carta, o se obtiene una sola cara, es decir, se espera la presentación de un suceso; en el segundo se espera la presentación de dos o más sucesos. c) En el primero utilizamos la conjunción “o” y en el segundo la conjunción “y”. Ejemplo 12. Una fábrica de calzado produce, independientemente costura (toda la parte superior del calzado relacionada con el cuero), suela y tacón, siendo estas partes armadas aleatoriamente en cada zapato. Se sabe que en este proceso, el cinco por ciento de las costuras, el cuatro por ciento de las suelas \HOXQRSRUFLHQWRGHORVWDFRQHVWLHQHIDOODV¢TXpSRUFHQWDMHGHSDUHVGH]DSDWRVUHVXOWDD FRQIDOODV HQVXVWUHVFRPSRQHQWHV"E VLQIDOODVHQVXWUHVFRPSRQHQWHV" o : a) P(C y C y S ) = (0,05) (0,04) (0,01) = 0,00002 = 0,002% b) P(C) í P(s) í P(t) í P(C y C y S ) = (0,95) (0,96) (0,99) = 0,903 = 90,3% Ejemplo 13. Una máquina en buenas condiciones de trabajo, produce un artículo defectuoso por cada PLO/RVUHVXOWDGRVFRUUHVSRQGLHQWHVDDUWtFXORVSURGXFLGRVVXFHVLYDPHQWHVRQLQGHSHQGLHQWHV¢&XiOHV ODSUREDELOLGDGSDUDTXHORVSUy[LPRVGRVDUWtFXORVSURGXFLGRVSRUHVWDPiTXLQDQRWHQJDQIDOODV" La probabilidad de que el artículo no sea defectuoso es igual a: 1 1.000 1 999 P =1 – — = — í — = — = 0,999 1.000 1.000 1.000 1.000 Ahora la probabilidad para A y B será: P(A y B) = (0,999) (0,9998001) = 99,8% Sucesos dependientes Se dice que los sucesos son dependientes o eventos compuestos, si la ocurrencia o no ocurrencia de un evento en cualquier prueba afecta la probabilidad de otros eventos en otras pruebas, es decir que la probabilidad del segundo suceso depende del primer suceso, el del tercero de lo que haya sucedido en el primero y segundo y así sucesivamente. Si se van a extraer tres cartas de una baraja, se debe hacer sin reposición, es decir, al extraer una carta, ella no vuelve a formar parte del total y en vez de tener 40 cartas, para la segunda se tendrán 39. Recordemos, que dos o más eventos son dependientes, cuando la ocurrencia de uno afecta la ocurrencia de los otros, en un orden determinado. En caso contrario los sucesos son independientes. La fórmula general será: P = p1 × p2 × p3 × .......... × pn www.FreeLibros.org CAPÍTULO CINCO NOCIONES ELEMENTALES DE PROBABILIDAD 203 Ejemplo 14. Probabilidad de obtener 3 ases, sacando sucesivamente tres cartas de una baraja española, sin volverlas a incluir (sin reposición) en el montón. o : S1 = 4 40 S2 = 3 3 S3 = 2 3 3= 4 × 3 × 2 = 1 40 3 3 2 470 Ejemplo 15. Probabilidad de obtener un As, un Rey y una Zota, sacando sucesivamente tres cartas, sin reposición, de una baraja de 40 cartas. o : 4 4 4 4 4 64 S1 = 4 ( ) S2 = S3 = 3= ⋅ ⋅ = 40 3 ( ) 38 ( ) 40 3 38 5 .280 Ejemplo 16. De una baraja de 40 cartas se desea extraer tres cartas en forma sucesiva sin reposición, HV GHFLU OD FDUWD TXH VH H[WUDH QR UHJUHVD D OD EDUDMD ¢FXiO HV OD SUREDELOLGDG GH TXH HQ OD SULPHUD extracción aparezca un as y en la segunda un rey de oros y en la tercera un seis de copas" o : Al extraer la primera carta as, se tiene que P(A) = 4/40; luego al extraer la segunda rey de oros, se hará sobre un total de 39 cartas, por tanto P(B) = 1/39; luego, la tercera carta seis de copas, se tendrá que P(C) = 1/38. La probabilidad de que todos estos sucesos dependientes ocurran será igual a: P( A y B y C ) = P(A) × P(B) × P(C) = 4 × 1 × 1 = 4 = 1 == 0,00006747 40 39 38 59.280 14.820 Generalmente se expresa lo anterior, de la siguiente manera, con el mismo resultado: P( A y B y C ) = P( A) . P(B A) . P(C A y B) 4 × 1 × 1 = 4 P( A y B y C ) = 40 39 38 59.280 Ejemplo 17. Supongamos que se tiene una caja con 10 monedas de $100, y dos de ellas son falsas. Se YDQDH[WUDHUGRVPRQHGDVXQDGHVSXpVGHODRWUDVLQUHSRVLFLyQ¢FXiOHVODSUREDELOLGDGGHVHOHFFLRQDU XQDPRQHGDIDOVDVHJXLGDSRURWUDWDPELpQIDOVD" o : P( A y B) = P( A) . P(B A) También se puede expresar así. P(?@A) = P( A) . P(B A) 2 = 1 = 0,0 = 2,22% P( A y B) = 2 × 1 = 10 9 90 45 P (? @ A ) se denomina probabilidad conjunta de A y B; P(A) se denomina probabilidad marginal de A; P(B/A) es la probabilidad condicional de B respecto a A. Ejemplo 186HH[WUDHQWUHVFDUWDVVLQUHSRVLFLyQGHXQDEDUDMDGHFDUWDV¢FXiOHVODSUREDELOLGDGGH TXHODVWUHVVHDQ]RWDV" P( A1@?2@?3 ) = P( A1 ) . P( A2 / A1 ) . P( A3 / A1 y A2 ) www.FreeLibros.org 3 $1 $2 $3 = 4 × 3 × 2 = 24 = 1 = 0,000404 = 0,04 40 3 3 5 2 0 2 470 204 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO EJERCICIOS PARA RESOLVER La gran mayoría de los ejercicios de este libro, se encuentran resueltos en el Sistema de Información en Línea SIL. Sucesos mutuamente excluyentes y sucesos compatibles 6HH[WUDHXQDFDUWDDOD]DUGHXQDEDUDMDGHFDUWDV¢&XiOHVODSUREDELOLGDGGHTXHVHD$VR ¿JXUD" 88. Se encuentran reunidas 4 personas con diferentes profesiones: Abogado, Economista, Ingeniero, $GPLQLVWUDGRU 6H HOLJH XQD SHUVRQD DO D]DU ¢&XiO HV OD SUREDELOLGDG GH TXH VHD $ERJDGR R (FRQRPLVWDR$GPLQLVWUDGRU" &RQVLGHUHXQDEDUDMDGHFDUWDV\VHGHVHDH[WUDHUXQDFDUWD¢&XiOHVODSUREDELOLGDGGHREWHQHU XQDTXHVHD-RFRUD]yQ" 6LHQHOHMHUFLFLRDQWHULRUVHGLMHUDDOH[WUDHUXQDFDUWD¢FXiOHVODSUREDELOLGDGGHREWHQHUXQDTXH VHDGLDPDQWHRWUpERO" 91. En un grupo de estudiantes la probabilidad de que tengan computador es de 0,60: auto de 0,30 y que WHQJDQDPERV¢&XiOHVODSUREDELOLGDGGHTXHXQHVWXGLDQWHWHQJDFRPSXWDGRURDXWRRDPEDV FRVDV" 6XSRQJDTXHVHWLHQHQ¿FKDVGHWUHVFRORUHVDVtDPDULOOR¿FKDVQHJUR¿FKDV\D]XO ¿FKDV$OPH]FODUODV¢&XiOHVODSUREDELOLGDGDOVDFDUXQDGHHOODVGHTXHVHDD D]XOE D]XOR QHJUDF DPDULOODRQHJUD" (QXQDEDUDMDGHFDUWDVDOH[WUDHUXQDFDUWD¢&XiOHVODSUREDELOLGDGGHREWHQHUXQDFDUWDTXH VHD¿JXUDRFRSDV" 94. En un grupo de estudiantes la probabilidad de obtener un puntaje bajo es 0,20; que se haya graduado HQODXQLYHUVLGDGHV\TXHVHGHQDPERVHV¢&XiOHVODSUREDELOLGDGTXHXQHVWXGLDQWH REWHQJDXQSXQWDMHEDMRRVHKD\DJUDGXDGRHQODXQLYHUVLGDG" 6L GH XQ QDLSH ELHQ EDUDMDGR GH FDUWDV VH H[WUDH XQD FDUWD ¢&XiO HV OD SUREDELOLGDG GH obtener: D 8QFDEDOORRXQUH\ E 8QD]RWDGHFRSDVRXQUH\ F 8QD¿JXUDRFRSDV G 2URVRXQ H 6HLVGHHVSDGDVR¿JXUD I 8QDVR¿JXUD 96. Se tiene una urna con 20 bolas de plástico distribuidas en los siguientes colores: 5 amarillas, 8 QHJUDV\URMDV([WUDLJDXQDERODWHQLHQGRHOFXLGDGRGHUHYROYHUODVDQWHVGHH[WUDHUODV¢&XiOHV ODSUREDELOLGDGGHTXHODERODVHOHFFLRQDGD" a) Sea negra b) No sea amarilla c) Sea roja d) Sea amarilla o negra 97. Suponga que: P(A) = 0,20 P(B) = 0,70 y P (A y B) = 0,10 D ¢$\%VRQPXWXDPHQWHH[FOX\HQWHV" b) Obtenga la probabilidad para P(A o B) F ¢6RQ$\%FROHFWLYDPHQWHH[KDXVWLYRV" www.FreeLibros.org 98. Supongamos una baraja de 52 cartas de la que debemos extraer una carta. Nos dan un premio si la FDUWDH[WUDtGDHVWUpEROR.¢&XiOHVODSUREDELOLGDGGHJDQDU" CAPÍTULO CINCO NOCIONES ELEMENTALES DE PROBABILIDAD 205 99. a) Consideremos el lanzamiento de un dado. Usted gana, si el resultado es impar o divisible por GRV¢&XiOHVODSUREDELOLGDGGHJDQDU" E 6LSODQWHDPRVHOHMHUFLFLRGHJDQDUREWHQLHQGRXQUHVXOWDGRSDURGLYLVLEOHSRU¢FXiOVHUtDOD SUREDELOLGDGGHJDQDU" 100. La mamá lleva a su hijo a una tienda y le ofrece una de tres galguerías. La probabilidad de que HVFRMDXQKHODGRHVGHONXPLV\KHODGR\NXPLV¢&XiOHVODSUREDELOLGDGGHTXH FRPSUHKHODGRRNXPLV" 101. En un día programado para realizar un paseo por el parque, la probabilidad de que haga sol es de GHTXHOOXHYD\GHTXHKDJDVRO\OOXHYDHVGH¢&XiOHVODSUREDELOLGDGGHTXH OOXHYDRKDJDVRO" 102. Si el Banco de la República exige que se rebaje la tasa de interés al 32%, existirá una probabilidad GHOGHTXHODLQÀDFLyQSDUDHVHDxRVHDVXSHULRUDO¢4XpLQWHUSUHWDFLyQOHGDUtDXVWHGDO " 6H FRPSUDURQ OiSLFHV GH GLIHUHQWHV FRORUHV D]XOHV DPDULOORV \ YHUGHV ¢&XiO HV OD SUREDELOLGDGDOH[WUDHUXQOiSL]GHTXHVHDD D]XOE D]XORDPDULOORF DPDULOORRYHUGH" 104. A un cargo se presentan 16 candidatos de diferentes profesiones; 6 economistas, 4 administradores FRQWDGRUHV\LQJHQLHURVLQGXVWULDOHV¢&XiOHVODSUREDELOLGDGGHTXHHOFDUJRVHDRFXSDGRSRU XQHFRQRPLVWDRXQDGPLQLVWUDGRU" Sucesos independientes 105. Qué probabilidad tendremos de obtener 2 reyes, sacando una carta de una baraja y la otra de una VHJXQGDEDUDMD" $PEDVEDUDMDVVRQHVSDxRODV (QXQVRORODQ]DPLHQWRGHGRVGDGRV¢TXpSUREDELOLGDGWHQHPRVGHVDFDUGRVFLQFRV" 107. Juan y Grisel estudian en un mismo curso. La probabilidad de que Juan no pierda ninguna materia HVGH\TXH*ULVHOREWHQJDHOPLVPRUHVXOWDGRHVGH¢&XiOHVODSUREDELOLGDG D GHTXH los dos no pierdan ninguna materia; (b) que Juan pierda por lo menos una y Grisel ninguna; (c) que DPERVSLHUGDQ" 'HXQDEDUDMDGHFDUWDVVHYDQDH[WUDHUFDUWDVFRQUHSRVLFLyQ¢&XiOHVODSUREDELOLGDGGHTXH ODSULPHUDFDUWDVHD5H\\ODVHJXQGD$V\ODWHUFHUDGHFRSDV" 109. Supongamos que un taller dispone de dos máquinas. En la primera se produce el 1,5% de unidades GHIHFWXRVDV\HQODVHJXQGDHO¢&XiOHVODSUREDELOLGDGGHTXHDOH[WUDHUXQDGHFDGDPiTXLQD ODVGRVVHDQGHIHFWXRVDV" ¢&XiOHVODSUREDELOLGDGDOVHOHFFLRQDUSHUVRQDVHQXQJUXSRGHTXHODVVHDQPXMHUHV" 6HODQ]DQPRQHGDV¢FXiOHVODSUREDELOLGDGGHTXHODVWUHVVHDQFDUDV" 112. Cuatro amigos que se dirigen a un lugar, toman 4 rutas diferentes de acuerdo al riesgo que se corre de tener algún accidente. Si se le asignan las probabilidades de riesgo para cada ruta: 0,2 0,15 0,25 0,10. Encuentre la probabilidad: www.FreeLibros.org D 'HTXHQLQJXQRVXIUDGL¿FXOWDGHV b) Que los cuatro sufran accidentes c ) Los dos primeros sufran accidentes y los restantes no 206 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO 113. Al sacar dos cartas con reposición de una baraja de 52 cartas, cuál es la probabilidad de que: D $PEDVVHDQGLDPDQWHV E $PEDVVHDQ¿JXUDV -. F $PEDVVHDQFRUD]yQ\GLDPDQWH ¢&XiOHVVHUtDQVXVUHVSXHVWDVDOHMHUFLFLRDQWHULRUVLODVGRVFDUWDVVHH[WUDHQVLQUHSRVLFLyQ" 115. Un hombre posee un negocio y es, además, propietario de su casa. En un año cualquiera la probabilidad de que la casa sea robada es 0,08, y la probabilidad de que su negocio sea robado es 0,14. Suponiendo que estos eventos sean independientes, cuál es la probabilidad de que: a) Sufra robos en ambos lugares en este año b) No se presenten robos en ninguno de los dos 116. En forma independiente se lanza una moneda y se extrae una carta de una baraja de 52 cartas y se ODQ]DXQGDGR¢&XiOHVODSUREDELOLGDGGHREVHUYDUFDUDHQODPRQHGDDVHQODFDUWD\HOWUHVHQHO GDGR" 'HXQDEDUDMDGHFDUWDVVHYDQDH[WUDHUFDUWDVFRQUHSRVLFLyQ¢&XiOHVODSUREDELOLGDGGHTXH ODSULPHUDFDUWDVHDXQ5H\ODVHJXQGDXQ$V\ODWHUFHUDXQGH&RSDV" 118. Una fábrica tiene cuatro máquinas de diferentes modelos, la primera del año 2005 y una probabilidad del 12% de dañarse en un día de trabajo, otra de 2007, con el 7%; la tercera de 2009, con el 2% y la última de 2011 con el 1%, en un día de producción. Calcule la probabilidad de que: a) Ninguna se descomponga o dañe b) Todas se descompongan. 119. Una máquina que produce un determinado artículo fue adquirida bajo la condición de que el 3% de los artículos producidos son defectuosos. Si el proceso se realiza bajo control, es decir independiente, ¢&XiOHVODSUREDELOLGDGGHTXH D GRVDUWtFXORVVHJXLGRVVHDQGHIHFWXRVRV" E GRVDUWtFXORVVHJXLGRVQRVHDQGHIHFWXRVRV" F XQDUWtFXORGHIHFWXRVR\HORWUREXHQRHQFXDOTXLHURUGHQ" G WUHVDUWtFXORVVHJXLGRVVHDQEXHQRV" 7HQJRHQHOEROVLOORGHOVDFRGRVERODVGHSOiVWLFRXQDURMD\RWUDYHUGH¢&XiOHVODSUREDELOLGDGGH VDFDUYHFHVVXFHVLYDV FRQUHSRVLFLyQ ODERODURMD" 121. En un recipiente se tienen 10 bolas azules y 5 rojas y en un segundo recipiente se tienen 8 bolas EODQFDV\URMDV¢&XiOHVODSUREDELOLGDGGHVDFDUERODVURMDVVLH[WUDHPRVXQDGHFDGDUHFLSLHQWH" 6XSRQJD TXH SLQWDPRV GRV FDUDV GH XQ GDGR GH URMR WUHV GH YHUGH \ XQD GH D]XO ¢&XiO HV OD probabilidad, al lanzar cuatro veces el dado, de obtener: D ODVWUHVSULPHUDVYHFHVYHUGH\OD~OWLPDURMR" E VyORODVWUHVSULPHUDVURMR" F TXHHQORVWUHVSULPHURVODQ]DPLHQWRVVHREWHQJDD]XO" Sucesos dependientes 123. Una persona saca de una baraja de 52 cartas sin reposición; simultáneamente otra persona lanza una PRQHGD¢&XiOHVODSUREDELOLGDGGHTXHODSULPHUDSHUVRQDVDTXHHQFRPSDxtDGHODVHJXQGDWUHV FDUWDVGHODPLVPDSLQWD\XQDFDUD" &XDWUR SHUVRQDV VDFDQ VXFHVLYDPHQWH XQD FDUWD GH XQ PD]R GH VLQ UHSRVLFLyQ ¢&XiO HV OD probabilidad de que la primera persona saque el As de espadas, la segunda el Rey de copas, la WHUFHUDXQ5H\\ODFXDUWDXQ$V" www.FreeLibros.org CAPÍTULO CINCO NOCIONES ELEMENTALES DE PROBABILIDAD 207 125. En una bolsa hay seis bolitas blancas y cinco amarillas. Se sacan de una en una sin reposición. ¢&XiOHVODSUREDELOLGDGGHTXHODSULPHUDVHDEODQFDODVHJXQGDDPDULOODODWHUFHUDEODQFD\DVt VXFHVLYDPHQWH" 6HH[WUDHQFDUWDVVLQUHSRVLFLyQGHXQDEDUDMDGHFDUWDV¢&XiOHVODSUREDELOLGDGGHTXH D HQODSULPHUDFDUWDDSDUH]FDXQD.\HQODVVLJXLHQWHQRDSDUH]FD" E HQODWHUFHUDFDUWDDSDUH]FDODSULPHUD." ¢&XiOHVODSUREDELOLGDGGHREWHQHUDVHVVDFDQGRVXFHVLYDPHQWHFDUWDVGHXQDEDUDMDGH FDUWDVVLQYROYHUODVDLQFOXLUHQHOPD]R PRQWyQ " 128. Suponga que se tiene una urna con veinte bolas, de las cuales, cinco son amarillas, ocho negras y siete rojas. D ([WUDLJDWUHVERODVVLQUHSRVLFLyQ¢FXiOHVODSUREDELOLGDGGHTXHODSULPHUDVHDDPDULOODOD VHJXQGDQHJUD\ODWHUFHUDURMD" E 6LVHKXELHVHSHGLGRFRQUHSRVLFLyQ¢FXiOVHUtDODSUREDELOLGDGDQWHULRU" 129. Se extraen tres cartas sin reposición de una baraja de 40 cartas. D ¢&XiOHVODSUREDELOLGDGGHTXHODVWUHVVHDQDVHV E ¢'HTXHODVWUHVVHDQRURV" 6HH[WUDHQFLQFRFDUWDVVLQUHSRVLFLyQGHXQDEDUDMDGHFDUWDV¢&XiOHVODSUREDELOLGDGGHTXHODV FLQFRVHDQFRSDV" 131. Dos equipos de balompié revuelven sus camisetas, 11 son de color verde y las restantes 11 azules. 6HYDQDH[WUDHUFDPLVHWDV¢&XiOHVODSUREDELOLGDGGHTXHODVGRVVHDQURMDV" 132. Después de inspeccionar un lote de 10 unidades, se encontró que 2 son defectuosas y las restantes EXHQDV6LGHORVH[WUDHPRVGRVXQLGDGHV¢FXiOHVODSUREDELOLGDGGHTXHODVGRVVHDQGHIHFWXRVDV" PROBABILIDAD CONDICIONAL Los símbolos que se presentan a continuación son algunos de los más comunes en textos de estadística. P(A) Probabilidad de que ocurra el suceso A P( A’) = P (A) Probabilidad de que no ocurra el suceso A. También simboliza la probabilidad del complemento A P(A Probabilidad de que ocurra A dado que ha ocurrido B. También simboliza la probabilidad condicional de A dado B. B) P( ?@A ) Probabilidad de que ocurra tanto A como B en un experimento. También simboliza la probabilidad de la intersección de A y B o la probabilidad conjunta de A y B. P( A U B ) Es la probabilidad de que ocurra A, o bien B, o ambos, en un experimento. También simboliza la probabilidad de la unión de A y B. En nuestro tema, de la probabilidad condicional de A, dado B, se tendrá que: P(A P( ?@A ) = —––– . P( B ) www.FreeLibros.org B) 208 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO En el caso contrario, es decir, la probabilidad condicional de P(A P( ?@A ) = —––– P( A) B) /DUD\DYHUWLFDOVLJQL¿FDdado que. Recordemos que en la probabilidad de sucesos mutuamente excluyentes simbolizamos así: P(A o B ) = P(A) + P( B ) De acuerdo a las anotaciones se podrá decir también que P(A U B ) = P(A) + P( B ) En los sucesos compatibles lo simbolizamos así: P = P(A) + P( B ) – P( A y B ) (A o B ) Ahora lo podemos presentar: P(A U B ) = P(A) + P( B ) – P( ?@A ) En los sucesos independientes, utilizamos P(A y B ) = P(A) P( B ) Ahora se puede presentar que P(?@A ) = P(A) P( B A) = P(B) P( A B) La probabilidad condicional es aquella que se presenta en un evento o suceso, dado que otro evento ya ha ocurrido. Existe también la probabilidad conjunta cuando se presentan dos o más eventos en forma simultánea. Todos se presentan bajo condiciones de dependencia estadística. No hay que olvidar que existen las probabilidades marginales, correspondientes a una probabilidad incondicional de que se presente un HYHQWRVHUH¿HUHDODSUREDELOLGDGGHXQVRORHYHQWR En la regla de la multiplicación, la probabilidad conjunta de A y B se calculaba mediante la aplicación de la fórmula P(A y B )= P(A ) P(A B ) = P( ?@A ) de donde podemos despejar la fórmula para la probabilidad condicional de un evento. P(A B) P( A y B ) P( ?@A ) = —––– = —––– P( B ) P( B ) Ejemplo 1. Se encuentra en una facultad que del 70% de los alumnos matriculados, el 70% son mujeres y el 18%, mujeres estudiantes de economía. Si elegimos un estudiante al azar y resulta que es mujer, ¢FXiOHVODSUREDELOLGDGGHTXHHVWpHVWXGLDQGRHFRQRPtD" o : P(A 0,18 P( ?@A ) = —––– = —––– = 0,2571 = 25,71% P( B ) 0,70 B) Probabilidad que este estudiando economia. Ejemplo 2. Por una investigación reciente se encontró que el 10% de los conductores de taxi en la ciudad son hombres con estudios universitarios. También se sabe que el 80% de los conductores de taxi son KRPEUHV¢&XiOHVODSUREDELOLGDGDOWRPDUXQFRQGXFWRUGHWD[LDOD]DUTXHUHVXOWHVHUKRPEUH\TXH WHQJDDGHPiVHVWXGLRVXQLYHUVLWDULRV" P( ?@A ) 0,10 o : P(A B ) = —––– = —–– = 0,125 = 12,5% Probabilidad que conduzca taxi y tenga estudios superiores. P( B ) 0,80 www.FreeLibros.org CAPÍTULO CINCO NOCIONES ELEMENTALES DE PROBABILIDAD 209 Ejemplo 3. El 18% de las familias de un barrio tienen vehículo propio, el 20% tiene vivienda de VX SURSLHGDG \ HO YLYLHQGD \ YHKtFXOR ¢&XiO HV OD SUREDELOLGDG GH WHQHU YLYLHQGD VL VH WLHQH YHKtFXOR" , TOTAL 0,12 B B A = Propietario de vehículo P( B A ) = —––– = 0,66 0,18 A 0,12 0,06 0,18 A’ = No propietario de vehículo P( ?@A ) A' 0,08 0,74 0,82 P( B A ) = —––– B = Propietario de vivienda P( B ) TOTAL 0,20 0,80 1,00 B’ = No propietario de vivienda TEOREMA DE BAYES El matemático y reverendo Thomas Bayes, (1763) en el siglo XVIII intentó desarrollar una fórmula para evaluar la probabilidad de la existencia de Dios con base en evidencias terrenales. Más tarde fue Laplace quien terminó su desarrollo denominándolo “Teorema de Bayes”. El teorema de Bayes es un método aplicado generalmente para calcular probabilidades posteriores. Este teorema se aplica cuando se formulan hipótesis a posteriori sobre la probabilidad a priori de eventos ya ocurridos. La fórmula general aplicable es: P(A = i B) P(A ) P(B A ) i i —–––—–––—–––—–––—–––—––– P(A ) P(B A )+ P(A ) P(B A )+..........+ P(A ) P(B A ) 1 1 2 n 2 n Este teorema establece, que si sucede cierto evento, que depende de la ocurrencia de los eventos A o B o C correspondientes a un conjunto de sucesos mutuamente excluyentes, la probabilidad de que B haya ocurrido a consecuencia de A, lo cual lo expresamos: P(A B ) corresponda al producto de las probai bilidades individuales del evento A y del evento B, dividido por la probabilidad alternativa del evento B con respecto a cada uno de los eventos independientes de A, B y C. La fórmula siguiente está dada en el caso que utilicemos las letras A, B y C. P(A i P(A) P(E A ) i = —––––—–––—–––—–––—––– P(A) P(E A)+ P(B) P(E B )+ P(C) P(E C) E) 1 2 3 Ejemplo 1.9ROYDPRVDQXHVWURHMHPSORGHODVPiTXLQDV$%&\'3RUHVSHFL¿FDFLRQHV\FRQWURO conocemos la capacidad de producción de cada máquina, durante un determinado período (1 hora) así: A. una producción de 600; B, de 400; C, de 300, y D, de 700 unidades, es decir, en términos porcentuales A produce el 30%, B el 20%, C el 15%, y D el 35%. Mediante un proceso de observación se ha detectado que el porcentaje de unidades defectuosas producidas por cada una de las máquinas es del 4%, 3%, \UHVSHFWLYDPHQWH6LSURFHGHPRVDVDFDUXQHOHPHQWRGHOWRWDOGHOORWHH[DPLQDGR¢&XiOHV la probabilidad de que haya sido producida por la máquina A, o por la máquina B, o por la máquina C o SRUODPiTXLQD'" www.FreeLibros.org 210 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO o : Aplicaremos la fórmula general, dada inicialmente y no la segunda expresión. Sabemos que la P(A ) = 0,30 P(A ) = 0,20 P(A ) = 0,15 P(A ) = 0,35 1 2 3 4 son las probabilidades independientes de A1 A2 A3 y A4 respectivamente. Siendo: P( B A ) = 0,04 P( B A ) = 0,03 1 P( B A ) = 0,06 2 3 P( B A ) = 0,05 4 Podemos calcular: P(A ) P(B A ) = 0,30 (0,04) = 0,012 P(A ) P(B A ) = 0,20 (0,03) = 0,006 P(A ) P(B A ) = 0,15 (0,06) = 0,009 P(A ) P(B A ) = 0,35 (0,05) = 0,0175 1 3 1 3 2 2 4 4 La suma de las probabilidades será = 0,012 + 0,006 + 0,009 + 0,0175 = 0,0445 Para calcular la probabilidad de que la unidad defectuosa haya sido producida por cada una de las 4 máquinas, utilizamos la fórmula de Bayes, así: 0,30 (0,04) 3( 1 ) = 0,30 (0,04) + 0,2 (0,03) + 0,15 (0,06) + 0,35 (0,05) 3( 1 ) = 0,3 ( 0,04) = 0,2 67 = 2 ,67 0,0445 3( 0,20 ( 0,03) = 0,1348 = 13,48 0,0445 2 ) = 3( 3 ) = 0,15 (0,06) = 0,2022 = 20,22 0,0445 3( 0,35 (0,05) = 0,3 33 = 3 ,33 0,0445 4 ) = Podemos utilizar el diagrama de árbol en dos etapas , , , , , , , , , , , , www.FreeLibros.org CAPÍTULO CINCO NOCIONES ELEMENTALES DE PROBABILIDAD 211 Ejemplo 2. Se tienen 3 recipientes; el primero contiene 6 bolas azules y 2 rojas; el segundo 4 azules y 4 rojas y el tercero 6 azules. Se selecciona una de las tres urnas al azar y de ella se extrae una bola que UHVXOWDVHUD]XO&RQODDQWHULRULQIRUPDFLyQ¢&XiOHVODSUREDELOLGDGGHTXHHOUHFLSLHQWHHVFRJLGRVHD HOSULPHUR"6HDHOWHUFHUR" o ( : 1 3 1) ( 1) ( 6 8 3 4 1 3 2) ( 2) ( 4 8 1 2 1 3 3) ( 3) 6 6 1 La probabilidad de que la bola azul provenga del primer recipiente será: ( 1 1 ( 1) 1 (1 / 3) (3 / 4) ( 1) 1 2) 2 ( (1 / 3) (3 / 4) (1 / 3) (1 / 2) 3) 3 (1 / 3) (1) 1 3 0,33 La probabilidad de que provenga del tercer recipiente 3 (1 / 3) (3 / 4) (1 / 3) (1) (1 / 3) (1 / 2) (1 / 3) (1) 4 9 0,44 Ejemplo 3. Un autor, por intermedio de la editorial envía folletos promocionando su libro de estadística al 72% de los profesores que enseñan la asignatura en las universidades que fueron seleccionadas para la promoción. Un mes después se constató que el 46% que recibieron el folleto adoptaron el libro y un TXHQRORUHFLELHURQWDPELpQORDGRSWDURQ¢&XiOHVODSUREDELOLGDGGHTXHXQSURIHVRUTXHDGRSWD HOOLEURIXHHOUHVXOWDGRGHOIROOHWRGHSURPRFLyQ" 1 0,72 (0,46) 0,72 (0,46) (0,28) (0,16) 0,8809 EJERCICIOS PARA RESOLVER La gran mayoría de los ejercicios de este libro, se encuentran resueltos en el Sistema de Información en Línea SIL. 8QDQDOLVWD¿QDQFLHURGHVFXEULyTXHHOGHODVDFFLRQHVH[SHULPHQWDURQXQFRPSRUWDPLHQWR superior al promedio, el 18% inferior y el 42% se mantuvieron alrededor del promedio. El 40% del primer grupo fue considerado como buenas adquisiciones, lo mismo que 30% del segundo grupo y XQGHO~OWLPRJUXSR¢&XiOHVODSUREDELOLGDGGHTXHXQYDORUFRUUHVSRQGLHQWHDOSULPHUJUXSR FUH]FDSRUHQFLPDGHOSURPHGLR" www.FreeLibros.org 212 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO 134. La probabilidad de que se presenten 3 eventos A, B, C son P(A)= 0,15; P(B)= 0,50; P(C) = 0,35. Supongamos que se han presentado A, B o C, la probabilidad que se presente otro evento D, es: P(D/A)= 0,72; P(D/B)= 0,4 y P(D/C)= 0,60. Encuentre la probabilidad de P(B/D). 135. Una empresa utiliza tres métodos para recuperar la cartera morosa. El 50% es requerido telefónicamente, el 30% es visitado por el cobrador y el 10% por correo. Las probabilidades de que haya cancelación de la deuda o por lo menos abono a la misma, de acuerdo a los tres sistemas DQWHULRUHVVRQ\UHVSHFWLYDPHQWH¢&XiOHVODSUREDELOLGDGGHTXHODSHWLFLyQGH SDJRKD\DVLGRHIHFWLYDPHGLDQWHHOFRUUHR" 136. Con la siguiente información P(Al) = 0,6; P(A2) = 0,25; P(A3) = 0,15 y las probabilidades conjuntas de P(Ai y B)VRQ\UHVSHFWLYDPHQWH¢&XiOVHUiODSUREDELOLGDGGH3(A2/B)" 137. En un curso de estadística se sabe que el 75 % realiza el taller en forma personal. También se sabe que el 92%, de los que hacen el taller en forma individual, gana el curso y el 40% lo pierde cuando HOWDOOHUORFRSLDQRQRORKDFHQHQIRUPDLQGLYLGXDO¢&XiOHVODSUREDELOLGDGTXHpOKD\DKHFKRVXV WDUHDVLQGLYLGXDOPHQWH" 138. Use el teorema de Bayes para determinar la probabilidad de P(A3/B) si se tiene la siguiente información P (Al) = 0,18; P(A2) = 0,46 y P(A3) = 0,36, además, las probabilidades condicionales son P(B/Al)= 0,21; P(B/A2)= 0,08 y P(B/A3)= 0,14 139. Supongamos que se tienen dos recipientes Al, y A2, en el primero se tienen 26 bolitas, de las cuales 10 son azules y 16 verdes; y en el segundo son 26, distribuidas así: 6 azules y 20 verdes. Si se elige DOD]DUXQDXUQD\GHHOODVHH[WUDHXQDEROLWD¢FXiOHVODSUREDELOLGDGGHTXHVHDYHUGH" 'H DFXHUGR FRQ HO SXQWR DQWHULRU ¢&XiO HV OD SUREDELOLGDG GH TXH VHD YHUGH SURYHQLHQWH GHO recipiente Al" 'HDFXHUGRDOHMHUFLFLR¢4XHVHDODEROLWDYHUGHSURYHQLHQWHGHOUHFLSLHQWH$2" EJERCICIOS MISCELÁNEOS 142. Se lanzan dos dados correctos. Calcular la probabilidad del suceso: “la suma de sus caras sea mayor a 8”. 143. Se extrae al azar una carta de una baraja de 40 cartas. Sea A el suceso de que la carta elegida es un Rey y B el suceso de que la carta elegida sea Copas. Calcular la probabilidad de que uno de los sucesos ocurra. ¢&XiQWDVFRPELQDFLRQHVSRVLEOHVSXHGHQKDFHUVHFRQFDUWDVGHXQDEDUDMDWRPDGDVGHHQ" 145. En una carrera de caballos participan 10 caballos. La apuesta consiste en escoger tres caballos que pasen en los primeros lugares a la meta. D ¢&yPRVHGDUtDXQFDVRGHSHUPXWDFLRQHV"E ¢&yPRVHGDUtDXQFDVRGHFRPELQDFLRQHV" www.FreeLibros.org CAPÍTULO CINCO NOCIONES ELEMENTALES DE PROBABILIDAD 213 146. Se lanza un dado rojo y otro verde. D ¢&XiOHVODSUREDELOLGDGGHTXHKDELHQGRVDOLGRHOHQHOGDGR5RMRODVXPDVHDPD\RUTXH" b) ¢&XiOHVODSUREDELOLGDGGHTXHKDELHQGRVDOLGRHOGRVHQHOGDGR9HUGHODVXPDVHDPHQRUTXH" F ¢&XiOHVODSUREDELOLGDGGHREWHQHUFRPRVXPDVDELHQGRTXHHQHOGDGR5RMRDSDUHFHXQ Q~PHURPHQRUGH" 6HWLHQHXQDEDUDMDGHFDUWDV\VHVDFDQFLQFRGHHOODVVLQUHSRVLFLyQ¢&XiOHVODSUREDELOLGDGTXH D ODVSULPHUDVFDUWDVVHDQDVHV\ODVGRV~OWLPDV]RWDV" E ODVSULPHUDVDVHVODFXDUWDGHRURV\ODTXLQWDXQUH\" 148. Se lanza tres veces una moneda correcta: D ¢&XiOHVODSUREDELOLGDGGHTXH~QLFDPHQWHHQHOWHUFHUODQ]DPLHQWRUHVXOWHFDUD" E ¢&XiOHVODSUREDELOLGDGGHTXHHQHOWHUFHUODQ]DPLHQWRUHVXOWHFDUDVDELHQGRTXHHQXQRGHORV GRVDQWHULRUHVVHREWXYRFDUD" ¢'HFXiQWDVPDQHUDVSXHGHIRUPDUVHXQFRPLWpGHSHUVRQDVWHQLHQGRXQWRWDOGHSHUVRQDV" ¢&XiQWRVQ~PHURVGHFLIUDVVHSXHGHQIRUPDUFRQORVGtJLWRV\VLQUHSHWLUORV" ¢&XiQWRVQ~PHURVGHWUHVGtJLWRVH[LVWHQ" ¢&XiQWDVSODFDVSDUDYHKtFXORVVHSXHGHQREWHQHUHPSOHDQGRWUHVOHWUDVVHJXLGDVGHGtJLWRV" D ¢&XiQWDVSDODEUDVGHOHWUDVVHSXHGHQIRUPDUFRQODVOHWUDVGHODSDODEUD/2%26" E ¢(QHOFDVRVLQXVDUQLQJXQD2" ¢'HFXiQWDVPDQHUDVVHSXHGHQVDFDUGRVPDQ]DQDVGHXQDFDMDTXHFRQWLHQH" 155. Diga cierto o falso en las siguientes aseveraciones: a) Una permutación es un caso particular de las combinaciones. b) ABC = CBA = BCA es un caso de combinación. c) V42 = 8 d) C35 = C25 e) Una permutación se diferencia de otra por la posición de los elementos. f) Combinaciones de elementos, tomados de n en n, es igual a 1. 6LODVH[WDYiOLGDGHO\FRUUHVSRQGHDOMXHJRGHOPDUFDGRUGHFDEDOORV¢FXiQWRVPDUFDGRUHV GLIHUHQWHVUHVXOWDUiQFRQRQFHFDEDOORVWHQLHQGRHQFXHQWDHORUGHQGHOOHJDGD" 157. La probabilidad de que Grisel estudie para un examen de estadística es 0,30. Si estudia, la probabilidad de aprobar el examen es 0,75, en tanto que si no estudia, la probabilidad es de 0,40. D ¢&XiOHVODSUREDELOLGDGGHTXH*ULVHODSUXHEHVXH[DPHQ¿QDO" E 'DGRTXH*ULVHODSUREyHOH[DPHQ¢&XiOHVODSUREDELOLGDGGHTXHKD\DHVWXGLDGR" 158. Se piensa elegir una Junta Directiva compuesta por un Presidente, un Tesorero y un Secretario. ¢&XiQWDVSODQFKDVGLIHUHQWHVVHSRGUiQSRVWXODUVLODDVDPEOHDHVWiFRPSXHVWDSRUPLHPEURV\ WRGRVWLHQHQLJXDOGDGGHGHUHFKRSDUDSHUWHQHFHUDOD-XQWD" www.FreeLibros.org 214 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO 159. Un equipo capitalino juega el 60% de sus partidos de día. El equipo gana el 40% de sus partidos diurnos y el 80% de los nocturnos. De acuerdo a las noticias que aparecen en un diario de la capital, SHUGLyD\HU¢&XiOHVODSUREDELOLGDGGHTXHHOSDUWLGRVHKD\DGHVDUUROODGRGHGtD" 160. Un fabricante produce 6.000 unidades por semana. Cada unidad pasa por tres puestos de inspección, antes de ser despachada a sus distribuidores. Por lo general, en el primer puesto se rechaza el 5%; GHODVTXHIXHURQDFHSWDGDVHOVHUHFKD]DHQODVHJXQGDLQVSHFFLyQ\¿QDOPHQWHHQODWHUFHUD LQVSHFFLyQHODSUR[LPDGDPHQWH¢&XiOHVODSUREDELOLGDGTXHXQDXQLGDGVHOHFFLRQDGDDOD]DU SDVHODVWUHVLQVSHFFLRQHV" 161. Supongamos que un proyecto de ley, debe ser aprobado en primera instancia por la Cámara de 5HSUHVHQWDQWHVOXHJRSRUHO6HQDGR\¿QDOPHQWHUHFLEHODVDQFLyQ3UHVLGHQFLDOSDUDFRQYHUWLUVH HQ/H\8QSROLWyORJRDVHYHUDTXHODVSUREDELOLGDGHVVRQ\UHVSHFWLYDPHQWH¢&XiOHV ODSUREDELOLGDGTXHHOSUR\HFWR¿QDOPHQWHVHFRQYLHUWDHQ/H\" 162. Se tienen tres ciudades localizadas en el Eje cafetero y se quiere seleccionar una de ellas para el desarrollo de un evento deportivo. Por estudios anteriores se sabe que Pereira tiene una probabilidad del 42%, Armenia del 34% y Manizales del 24%. El comité organizador del evento supone que al ser consultado a un grupo mayor de personas, las probabilidades de favorabilidad en cada región VHUiUHVSHFWLYDPHQWH¢4XpFLXGDGWHQGUiODPD\RUSUREDELOLGDGGHVHUHVFRJLGD" 163. En la última temporada de vacaciones, se seleccionó una muestra de 400 turistas de los cuales 240 YLVLWDURQ6DQWD0DUWD\D&DUWDJHQD¢&XiOHVODSUREDELOLGDGGHTXHXQDSHUVRQDVHOHFFLRQDGD KD\DYLVLWDGRGXUDQWHODWHPSRUDGDODVGRVFLXGDGHVGHOD&RVWD$WOiQWLFD"8QDYHUL¿FDFLyQGHOD encuesta encuentra que 70 de ellos habían visitado las dos ciudades. 164. En una Facultad de una Universidad se sabe que el 35% están matriculados en el diurno y el 65% son del nocturno. La probabilidad de que el estudiante diurno esté trabajando es del 15%, en tanto, para el estudiante nocturno es del 70%. Se elige al azar un estudiante de esa Facultad. D ¢&XiOHVODSUREDELOLGDGGHTXHHVWpWUDEDMDQGR" b) Dado que el estudiante elegido esté trabajando, determinar la probabilidad que sea del diurno. 165. Tres distribuidores de gas se reparten el mercado de una ciudad, al distribuidor A le corresponde el 50%, al B, el 30% y al C únicamente el 20%. Las autoridades locales hacen una inspección en cada una de las distribuidoras y encuentran que en A el 5% de las válvulas de los tanques están defectuosos, en B el 3% y en C es del 8%. Suponiendo que la distribución no está demarcada por ]RQDVVHSUHVHQWDXQHVFDSHFRQODVFRQVHFXHQFLDVGHXQDH[SORVLyQTXHSURGXFHGDxRV¢&XiO es la probabilidad de que el tanque causante del daño haya sido suministrado por el distribuidor $%R&" 'H¿QDEUHYHPHQWHORVVLJXLHQWHVSXQWRV a) Probabilidades previas b) Probabilidades posteriori c) Diagrama de árbol d) Teorema de Bayes. www.FreeLibros.org CAPÍTULO CINCO NOCIONES ELEMENTALES DE PROBABILIDAD 215 Síntesis de capítulo Síntesis de capítulo Hablamos de probabilidad cuando hay incertidumbre o no se tiene la seguridad total de que SXHGDVXFHGHU(VXQFRQFHSWREiVLFRTXHVHLQWHUSUHWDFRPRDOJRLQGH¿QLEOHH[SUHVDGRGH alguna manera como el grado de creencia de que algo puede suceder. A menudo, sin fundamento matemático, se usa como una forma conveniente de representar la opinión de una persona con respecto a la posibilidad de que se obtenga un resultado determinado, lo que llamamos como probabilidad subjetiva. En otras oportunidades hablamos de probabilidades a priori donde no se requiere la realización del experimento, ya que se puede determinar de antemano. Se tiene la probabilidad empírica que implica la realización del experimento para ser calculada. La probabilidad relativaVHUH¿HUHHQORVFDVRVFXDQGRREVHUYDPRVTXHRFXUULHURQVXFHVRV semejantes en el pasado y queremos determinar la probabilidad de que ocurra ese suceso a largo plazo, es decir, el número de veces que el evento ocurrió en el pasado, dividido, por el número total de observaciones. Existen unas reglas que pueden ayudar a su cálculo, tales como la de adición cuando los sucesos son mutuamente excluyentes; la multiplicación cuando los sucesos son independientes o dependientes; se usan también las reglas de conteoFRQHO¿QGHGHWHUPLQDUHOQ~PHURGH formas de posible ocurrencia, en especial cuando el número de sucesos posibles es grande. Se dice que la probabilidad de ocurrencia de un evento es un número comprendido entre 0 y 1. En la mayoría de los casos, esa cifra se obtiene al dividir el número total de éxitos o casos favorables por el total de casos posibles. El investigador matemático Thomas Bayes estableció una fórmula, conocida como el Teorema GH%D\HVFRQHO¿QGHGHWHUPLQDUODSUREDELOLGDGGHTXHRFXUUDXQHYHQWR$GDGRTXHKD ocurrido un evento B. El estudio de la probabilidad en su aplicación, se inició en los juegos de azar, marcando el camino para trabajos más serios; como se puede observar en los últimos años, por el gran auge que ha tomado una de sus ramas conocida como Teoría de los Juegos, de gran aplicación donde se requiere del planeamiento para afrontar situaciones donde no se tiene información o VHGLVSRQHGHDOJXQDSRUORJHQHUDOGHSRFDFRQ¿DELOLGDG www.FreeLibros.org www.FreeLibros.org CAPÍTULO UNO 6 CONCEPTOS GENERALES Distribuciones de probabilidad Tener conocimiento de la propia ignorancia es un gran paso acia el conocimiento. a a 217 CONTENIDO Conceptos y aplicaciones teóricoprácticos de las distribuciones de probabilidad. Variable aleatoria discreta: Distribución Binomial, de Poisson e Hipergeométrica. Variable aleatoria continua: Distribución normal. Manejo de Tablas, Calculadora y EXCEL para la realización de cálculos. Síntesis de la Unidad. Ejercicios para Resolver, resueltos en el Sistema de Información en Línea SIL. COMPETENCIAS El estudiante deberá estar en capacidad de: Explicar y diferenciar las distribuciones de frecuencias de las distribuciones de probabilidad. 'H¿QLU H LGHQWL¿FDU ODV YDULDEOHV aleatorias discretas y continuas. ,GHQWL¿FDUODVFRQGLFLRQHVTXH se debe reunir, en la aplicación de cada una de las distribuciones de probabilidad. Construir, aplicar y calcular probabilidades asociadas a estas distribuciones. Manejar tablas, calculadora, Excel y fórmulas en la solución de ejercicios. www.FreeLibros.org 218 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO CONCEPTOS GENERALES Los capítulos del dos al cuatro, fueron dedicados a explicar algunos temas referentes a la Estadística Descriptiva en cuanto al proceso de recolección de datos, elaboración de tablas o cuadros, la representación GHHOORVSRUPHGLRGHJUi¿FDV\ODDSOLFDFLyQGHDOJXQDVPHGLGDVWDOHVFRPRODVGHposición, dispersión, asimetría y apuntamiento. Entre las medidas vistas, las más importantes a considerar fueron la Media aritmética, la Varianza y la Desviación estándar o típica/D3ULPHUDGHHOODVWHQtDFRPR¿QSULPRUGLDOFDOFXODUXQVRORYDORUSDUD representar a ese conjunto de observaciones y la Desviación típica para permitir determinar la posible dispersión o el grado de variabilidad que ocurre entre esos datos. Recordemos, que a menor variabilidad se presente, mayor será la representatividad del promedio. 9HDPRVDOJXQDVGH¿QLFLRQHVGHWpUPLQRVTXHVHGHEHQHQWHQGHU\PDQHMDU Distribución de probabilidad. Son todos los posibles valores que resultan de un experimento aleatorio, junto con la probabilidad asociada a cada valor. En el capítulo 3 se vio el procedimiento a seguir en la elaboración de las Distribuciones de frecuencias, con base en informaciones de hechos que ya habían sucedido, recolectados a través de una encuesta. En este capítulo, consideraremos la Distribución de probabilidades la cual se basa en hechos que probablemente pueden suceder, es decir, estamos hablando de dos situaciones correspondiente a hechos que suceden: antes y después. Tabla 6.1 Distribución de frecuencias y Tabla 6.2 Distribución de probabilidad yi ni yi ni (yi –yi)2ni "i p(x) "i P(x) ("i D=)2P" 1 3 3 27,5427 0 1/16=0,0625 0 0,2500 2 5 10 0,6045 1 4/16=0,2500 0,25 0,2500 4 10 40 0,0090 2 6/16=0,3750 0,75 0 5 8 40 7,5272 3 4/16=0,2500 0,75 0,2500 7 4 28 35,2836 4 1/16=0,0625 0,25 0,2500 Ȉ 30 121 90,9670 Ȉ 16/16=1,000 2,00 1,0000 yi ni n ( y i 121 4,03 30 y ) 2 ni 90,967 n 30 X i Px 2 www.FreeLibros.org s2 3,03 2 ( X i ) 2 PX 1 CAPÍTULO SEIS DISTRIBUCIONES DE PROBABILIDAD 219 n s 3,03 1,74 1,0 1 Recordemos que la Distribución de frecuencias permitía el manejo de cantidades de información en forma resumida, describiendo un hecho transcurrido (pasado), en cambio la distribución de probabilidades es similar a una distribución de frecuencias, con la diferencia de que presenta valores probables de un experimento en un evento futuro. Variable aleatoria. Corresponde a una caracterización cualitativa de los resultados que constituyen un espacio muestral. Cada cantidad o valor es el resultado de un experimento aleatorio y, como tal, puede tomar distintos valores. /DVYDULDEOHVDOHDWRULDVVHFODVL¿FDQHQGiscretas y continuas. Variable aleatoria discreta. Se considera así, cuando los valores que asume se puedan contar, y éstos pueden organizarse en una secuencia al igual que los números enteros positivos. Sólo SRGUiDVXPLUXQQ~PHUR¿QLWRGHYDORUHV Variable aleatoria continua. Se da, cuando puede asumir cualquier valor dentro de un intervalo o en una unión de intervalos. Como ejemplo se podría considerar cualquier resultado en cuanto de medición al ancho, longitud de una cosa, así como a tiempo en la realización de una tarea; en estos casos las variables admiten fracciones. Dentro de los modelos de probabilidad, correspondiente a variables aleatorias discretas, con mayor aplicación se tienen: Bernoulli, Binomial, Poisson, Exponencial, Multinomial e Hipergeométrico y en cuanto a la variable aleatoria continua se considera el modelo normal estandarizado. A continuación se verán algunas de estas distribuciones: Binomial, Poisson, Hipergeométrica y Normal. VARIABLE ALEATORIA DISCRETA DISTRIBUCIÓN BINOMIAL Algunos la denominan como método exacto y como ya se mencionó, corresponde a una distribución de variable aleatoria discreta. Pero antes de comenzar a explicar en qué consiste, cómo se calcula y en qué casos se debe aplicar, vale la pena recordar algunos conocimientos, que nos puedan ser útiles en la distribución binomial: el Binomio de Ne ton y el Triángulo de Pascal. (Ver SIL., capítulo 6). Se puede considerar “que si durante repetidos ensayos, siendo p la probabilidad de éxito en un solo HQVD\RODFXDOGHEHSHUPDQHFHU¿MD\ q la probabilidad de fracaso, entonces la probabilidad P de que se obtenga " éxitos en n ensayos, es el término del desarrollo binomial de (q+p)n “. La fórmula general para cada término es: n P(x) =o p px x q< www.FreeLibros.org 220 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO n " p q = = = = Número de ensayos Número de éxitos probabilidad de éxito en cada ensayo probabilidad de fracaso en cada ensayo Los criterios que debe satisfacer una experiencia binomial son: D 'HEHH[LVWLUXQQ~PHUR¿MRGHSUXHEDVUHSHWLGDV n) b) Cada una de las n pruebas debe tener dos resultados, favorable o desfavorable. En el caso de la moneda, será: cara o sello, por lo tanto son sucesos mutuamente excluyentes. F /DSUREDELOLGDGGHp[LWRGHXQDFRQWHFLPLHQWRHV¿MRDOJRVLPLODUVXFHGHFRQODSUREDELOLGDG de fracaso. d) Las pruebas son independientes, ya que el resultado de un ensayo no afecta el resultado de otro. e) Nos interesa el número de éxitos en n pruebas. Ahora procedemos a elaborar el espacio muestral para el experimento consistente en lanzar cuatro monedas (n = 4), con el consiguiente resultado. Tabla 6.3 Espacio muestral en el lanzamiento de 4 monedas Consideremos como éxito la aparición de cara (C) y como fracaso la obtención de sello (S). Supondremos que las probabilidades de C y S son p y q respectivamente, siendo p + q = 1. Así tenemos que P(c) = p y P(s) = q. Por otra parte, se debe considerar que C y S se presentan independientemente; por tal razón, cualquiera de las puntos muestrales, la probabilidad de que ocurran todos estos sucesos en un solo ensayo, se obtiene multiplicando las probabilidades para cada suceso. Supongamos que en el lanzamiento de 4 monedas, se quiera obtener éxito (cara) en la primera y tercera moneda y fracaso (sello) en la segunda y cuarta; se tendrá que: P(cscs) = P(c) P(s) P(c) P(s) = p q p q = p2 q2 www.FreeLibros.org Veamos las probabilidades asignadas a los 16 puntos muestrales del experimento anterior al lanzar cuatro monedas. CAPÍTULO SEIS DISTRIBUCIONES DE PROBABILIDAD 221 Tabla 6.4 Espacio muestral con asignación de probabilidades para cada suceso Si X representa al número de éxitos (caras) que se desea ocurran, se podrá elaborar la siguiente tabla de probabilidades. Siendo: p = 1/2 y q = 1/2. Tabla 6.5 Distribución de probabilidades www.FreeLibros.org 5HFRUGHPRV HO %LQRPLR GH 1HZWRQ \ REVHUYHPRV OR TXH SDVD VL UHHPSOD]DPRV ODV QRWDFLRQHV clásicas de a y b por q y p, que representan las probabilidades de sello y cara. 222 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO (a + b) = a + Qa −1 b + Q (Q − 1) a −2 1 ×2 b 2 + Q Q −1 Q − 2 1× 2 ×3 a −3 b3 +b La expansión binomial estará expresada de la siguiente forma: q+ S ⎛ Q⎞ ⎟⎟ q ⎝ 0⎠ = ⎜⎜ ⎛ Q ⎞ −1 ⎟⎟ q ⎝1⎠ + ⎜⎜ ⎛Q⎞ ⎟⎟ ⎝2⎠ S + ⎜⎜ q −2 S2 + +S ^ ^^ ^ Elaboremos la distribución de probabilidad, con el experimento consiste en el lanzamiento de cuatro (4) monedas, para la cual la variable aleatoria discreta esté dada por la obtención de exactitud: cero, uno, dos, tres y cuatro caras (X = 0, 1, 2, 3 y 4) Tabla 6.6 Distribución de probabilidades Figura 6.1 Diagrama de frecuencias Ejemplo 16XSRQJDPRVHOODQ]DPLHQWRGHPRQHGDVRXQDPRQHGDODQ]DGDYHFHV¢&XiOHVOD SUREDELOLGDGGHREWHQHU D H[DFWDPHQWHFDUDV E H[DFWDPHQWHFDUDV" F SRUORPHQRVGRVFDUDV G FRPRPi[LPRFDUDV H PiVGHFDUDV\PHQRVGHFDUDV" www.FreeLibros.org CAPÍTULO SEIS DISTRIBUCIONES DE PROBABILIDAD o 223 : a) Exactamente 4 caras = = − = = X = ⎛ ⎞ ⎝ ⎠ ( ) = ⎜ ⎟ − ⎤⎡⎤⎡ ⎤ ⎛ ⎞ ⎛ ⎞ ⎛ ⎞ = ⎡ ⎟ ⎜ ⎟ ⎜ ⎟ ⎢ ⎥⎢ ⎥⎢ ⎥ ⎝ ⎠⎝ ⎠ ⎝ ⎠ ⎣ ( − ) ⎦ ⎣ ⎦ ⎣ ⎦ ⎡ ⎤ ⎡ ⎤ ⎡ × × × × ⎤ ⎡ ⎤ ⎛ ⎞ ( = ) = ⎢ ⎥ ⎢ ⎥ = ⎢ × × × × ⎥ ⎢ ⎥ = ⎜ ⎟ ⎠ ⎝ ⎦ ⎦ ⎣ ⎦⎣ ⎣ ⎦⎣ = = ( = ) = ( =< ) = = ) = ⎜ ( Nota: Con calculadora, se hubiese hecho más rápido el procedimiento anterior, algo similar se logra con el uso de tablas o la aplicación de Excel, como se verá después de desarrollar estos ejercicios. b) Exactamente10 caras = = − = ⎛ ⎞ ⎟⎟( ) ⎝ ⎠ ( = ) = ⎜⎜ ( = )= ⎢ ( = ) = ⎡ = ⎛ ⎞ ( )=⎜⎟ ⎝ ⎠ X = − ( ) ⎤ ⎥ [( )( )] ⎦ = = ⎣( − ) ( = ) = C) Por lo menos dos caras = Como mínimo dos caras p = 0,5 X= 2, 3, 4, 5, 6, 7, 8, 9, 10, 11 y 12 q = 0,5 P(x >1) = P [ = P(x = 2 ) + P(x = 3) + P(x = 4 ) + ..........P(x =12 ) Recordemos que [ P(x ≥ 2 ) =1 − P( ⎛ ⎞ = 1⎝ ⎠ ∑⎜ ⎟ = 0 ) + P( =1) − = 1o sea 100%, por lo tanto se tendrá que: P(x ) = ⎛⎜ ⎞⎟ ⎝x⎠ ] − ⎡ P(x ≥ 2 ) =1 − ⎢⎛⎜12 ⎞⎟ ⎛⎜ 1 ⎞⎟ ⎛⎜ 1 ⎞⎟ + ⎛⎜12 ⎞⎟ ⎛⎜ 1 ⎞⎟ ⎝ 1 ⎠⎝ 2 ⎠ ⎣⎝ 0 ⎠ ⎝ 2 ⎠ ⎝ 2 ⎠ 11 ⎛⎜ 1 ⎞⎟ ⎤ ⎝ 2 ⎠ ⎥⎦ P(x ≥ 2 ) = 99,69% P(x ≥ 2 ) =1 − [0,0002 + 0,0029] = 1 − 0,0031 = 0,9969 = 99,69% 0 12 1 d) Como máximo 9 caras = No más de 9 caras www.FreeLibros.org X = 0, 1, 2, 3, 4, 5, 6, 7, 8 y 9 224 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO P( x <10 ) = P( x = P( x = 0 ) + P( x =1) + P( x = 2 ) + .......... + P( x = 9 ) P(x ) = ⎛⎜ ⎞⎟ ⎝x⎠ − Desarrollándolo con el complemento se tendrá que: P ; í>3( X– =10 ) + P( X–11) + P( X=12 )] P( ≤ 9) [ = 1 − P( = 10 ) + P( = 11) + P( = 12 ) ] ⎡⎛12 ⎞⎛ 1 ⎞10 ⎛ 1 ⎞ 2 ⎛12 ⎞⎛ 1 ⎞11 ⎛ 1 ⎞1 ⎛12 ⎞⎛ 1 ⎞12 ⎛ 1 ⎞ 0 ⎤ 1 = − ⎢⎜10 ⎟⎜⎝ 2 ⎟⎠ ⎜⎝ 2 ⎟⎠ + ⎜ 11 ⎟⎜⎝ 2 ⎟⎠ ⎜⎝ 2 ⎟⎠ + ⎜12 ⎟⎜⎝ 2 ⎟⎠ ⎜⎝ 2 ⎟⎠ ⎥ ≤ 9) ⎝ ⎠ ⎝ ⎠ ⎣⎝ ⎠ ⎦ [ ] = − + + 1 0 , 0161 0 , 0029 0 , 0002 P( ≤ 9 ) P( P( ≤ 9 ) = 1 − 0,0192 = 0,9808 = 98, 08% P( ≤ 9) = 98,08% e) Más de 10 caras y menos de 3 caras X = 11 12 0 1 P(10 < < 3 ) = P(11 ≤ ≤ 2 ) = P(11) + P(11 ≤ ≤ 2) P(11 ≤ ≤ 2) 2 P(12 ) + P(0 ) + P(1) + P(2 ) 12 12 12 11 1 12 0 0 12 = ⎛⎜ ⎞⎟ (0,5) (0,5) + ⎛⎜ ⎞⎟ (0,5) (0,5) + ⎛⎜ ⎞⎟ (0,5) (0,5) ⎝12 ⎠ ⎝ 11 ⎠ ⎝0⎠ 12 12 1 11 2 10 + ⎛⎜ ⎞⎟ (0,5) (0,5) + ⎛⎜ ⎞⎟ (0,5) (0,5) 1 ⎝2⎠ ⎝ ⎠ = 0,0029 + 0,0002 + 0,0002 + 0,0029 + 0,0161 = 0,0223 = 2,23% P(11 ≤ x ≥ 2 ) = 2,23% Ejemplo 2. Una institución universitaria establece nuevos métodos de aprendizaje y de evaluación, con el resultado donde el 85% de sus alumnos aprueban todas las asignaturas. Supongamos que se seleccionan HVWXGLDQWHVGHGLFKRSODQWHO¢&XiOHVODSUREDELOLGDG D H[DFWDPHQWHDSUXHEHQWRGDVODVDVLJQDWXUDV E H[DFWDPHQWHSLHUGDQDOJXQDDVLJQDWXUD F SRUORPHQRVGRVSLHUGDQDOJXQDDVLJQDWXUD" o : (a) Exactamente 3 aprueben p = 0,85 (aprobar) n=8 ( =3) X=3 8 3 5 = ⎛⎜ ⎞⎟ (0,85) (0,15) = 0,0026 = 0,26 3 ⎝ ⎠ 6HSXHGHQXWLOL]DUODVWDEODVGHELQRPLDOTXHDSDUHFHQDO¿QDOGHOOLEURFRUUHVSRQGLHQWHDODWDEOD,,, Se busca en la primera columna de la tabla que aparezca el valor de n = 8 (Ver tabla 6.5). Luego en la segunda columna el valor de X. Se localiza 0,85 en el renglón de p, observemos que se llega a 0,50, por lo tanto se toma el complemento de 0,85 siendo 0,15. Observemos en la tabla al frente de 5 y en la columna 0,15 aparece 0,0026. www.FreeLibros.org Como nos piden que 3 aprueben, es lo mismo que decir, 5 pierdan alguna asignatura, siendo: n = 8 p = 0,15 X = 5 CAPÍTULO SEIS DISTRIBUCIONES DE PROBABILIDAD 225 ⎛ ⎞0 3 P(x =5) = ⎜ 5 ⎟ (0,15) (0,85)5 = 0,0026 = 0,26% ⎝ ⎠ Como observamos el resultado es igual al anterior b) Exactamente 3 pierdan alguna asignatura n=8 p = 0,15 q = 0,85 X=3 ⎛8⎞ P(x =3) = ⎜ 3 ⎟ (0,15)3 (0,85)5 = 0,0839 = 8,39% . ⎝ ⎠ De acuerdo a la Tabla 6.5, al frente de 3 y debajo de la columna 0,15 aparece el valor de 0,0839 Tabla 6.5 Distribución binomial. Cuando n = 8 c) Por lo menos dos pierdan alguna asignatura [ P(x ≥ 2 ) = 1 − P(x = 0 ) + P(x =1) ] (Observar Tabla 6.5) P(x ≥ 2 ) = 1 − [ 0,2725 + 0,3847 ] P(x ≥ 2 ) = 1 − 0,6572 = 0,3428 = 34,28% ? EF( GF APLICACIÓN DEL EXCEL DISTRIBUCIÓN BINOMIAL Nos ubicamos en fx haciendo CLIC en DIST.BINOM y nuevamente CLIC en ACEPTAR. $SDUHFHOD¿JXUDFRUUHVSRQGLHQWHD',67%,1201DOOtQRVXELFDPRVHQ180e;,72HQ esta celda digitamos el valor de X=2 (el número de éxitos es 2). Luego en la celda correspondiente a ENSAYOS, digitamos el valor n siendo en este caso igual a 5 (número de repeticiones). www.FreeLibros.org 6HSURFHGHOXHJRDGLJLWDUHOYDORUFRUUHVSRQGLHQWHD352%Be;,72VLHQGRLJXDOD S 226 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO Figura No. 1. Insertar Función En la casilla de ACUMULADO (es un valor lógico) en este caso, si digitamos la palabra VERDADERO obtendremos la probabilidad de 0.31744, correspondiente a la obtención de Pi[LPRHQHVWHFDVR;WRPDYDORUHVGH\VLHQGR3 [ Figura No. 2. Argumentos función Distribución Binomial. Parámetro Verdadero www.FreeLibros.org En la SEGUNDA PARTE DEL SIL que acompa a al libro encontrará en conjunto toda la aplicación de EXCEL a la ESTADÍSTICA, al igual en el capítulo 13, se ofrece una BASE DE DATOS para trabajar. CAPÍTULO SEIS DISTRIBUCIONES DE PROBABILIDAD 227 Si por el contrario digitamos FALSO, en vez de VERDADERO, se calculará la probabilidad de obtener EXACTAMENTE DOS. Figura No. 3. Argumentos función Distribución Binomial. Parámetro Falso. Observemos que en la parte inferior, aparece el valor de 0.2304 cuando escribimos FALSO, proceso utilizado cuando se quiere calcular cada término en forma independiente. Si por el contrario se escribe VERDADERO será el resultado igual a 0.31744, este caso implicará el acumulado de varios valores de X. Ejemplo 46HHQFXHQWUDQDPLJRVFLHUWRGtD¢&XiOHVODSUREDELOLGDG D SRUORPHQRVGRVGHHOORV KD\DQ QDFLGR XQ PDUWHV" E ¢6L HO JUXSR OR FRQIRUPDQ DPLJRV FXiQWRV HVSHUDUtDPRV KXELHVHQ QDFLGRHOGtDOXQHV" USO DE CALCULADORA Para hallar la probabilidad de un suceso en la binomial se presentan algunas marcas y modelos que más se utilizan en el salón de clases. o : a) ( ≥ 2) = ( ≥ 2) = 1− ( ≥ 2) = 1 − 0,8483 ( ≥ 2) = 0,1517 = 15,17 % ( = 2) [ + ( = 0) ( = 3) + + ( = 1) ( = 4) + ( = 5) ] = 1 − [0,4627 + 0,3856] b) E = np n = 40 p = 1/7 www.FreeLibros.org E = 40(1/7) = 5,7 6 Aproximadamente 6 personas de las 40 se espera haber nacido el día lunes. 228 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO Casio fx - 5.000F Se digita el código de la fórmula binomial ( 103 FMLA ) 2EVHUYHHQSDQWDOODGyQGHQRVSLGHQ" GLJLWHHQHVWHFDVR\OXHJREXE ) $SDUHFHS"HVODSUREDELOLGDGGHp[LWR SRGHPRVGLJLWDU 1 ÷ 7 y luego EXE ) 2EVHUYDPRVTXHQRVDSDUHFHHOUHVXOWDGR¿QDOGHOHYHQWRVLHQGR P(x=0) = () 5 (1/7)0 (6/7 )5 = 0,4627 = 46,27% 0 Casio fx - 350 TL y Casio fx - 82 TL, con ellas se procede asi: 5 nCr 0 x ( 1 ÷ 7 1 ) xy 0 x ( 6 ÷ 7 ) xy 5 = Casio -350 M5 opera igual a los dos anteriores modelos, con la única diferencia, que no aparece la tecla xy y debe ser reemplazada por la tecla ȁ que indica lo mismo. Casio 350 HB requiere emplear la tecla SHIFT y luego xy los demás pasos o tecleado es igual. Casio 991 MS tiene dos situaciones diferentes, así: 5 SHIFT nCr 0 x ( 1 ÷ 7 ȁ ) ȁ 0 x ( 6 ÷ 7 ) ȁ 5 = En muchas calculadoras que no tienen la tecla nCr se debe operar paso a paso ( ( 5 ! ÷ ( 0 ! x 5 ! ) ) x ( 1/7 xy 0 ) x ( 6/7 xy 5 ) = Ejemplo 5. Al inspeccionar 2.340 soldaduras producidas por cierto tipo de máquina, se encontraron 448 XQLRQHVGHIHFWXRVDV$OHIHFWXDUVROGDGXUDV¢FXiOHVODSUREDELOLGDGGHD REWHQHURPiVGHIHFWXRVDV E &RPRPi[LPRGRVEXHQDV" o : 448 X = 3, 4, 5 S= = 0,1 T = 0,81 a) Q = 5 2.340 3( ≥ 3) 3( ≥ 3) b) Q = 5 3 ≤2 3 ≤2 5 5 5 3 2 4 1 = ⎛⎜ ⎞⎟ (0,1 ) (0,81) + ⎛⎜ ⎞⎟ (0,1 ) (0,81) + ⎛⎜ ⎞⎟ (0,1 3 4 ⎝ ⎠ ⎝ ⎠ ⎝ 5⎠ = 0,0450 + 0,0053 + 0,0002 = 0,0505 = 5,05 S = 0, 1 T = 0,1 X )5 (0,81)0 = 0,1, 2 5 5 5 0 5 1 4 2 = ⎛⎜ ⎞⎟ (0, 1) (0,1 ) + ⎛⎜ ⎞⎟ (0, 1) (0,1 ) + ⎛⎜ ⎞⎟ (0, 1) (0,1 0 1 2 ⎝ ⎠ ⎝ ⎠ ⎝ ⎠ = 0,0002 + 0,0053 + 0,0450 = 0,0505 = 5,05 )3 Nota: Puede observarse en el ejercicio que obtener 3 o más defectuosos, es lo mismo que obtener 2 o menos buenos. REPRESENTACIÓN GRÁFICA Una distribución binomial se representa mediante el diagrama de probabilidades, el proceso es exactamente igual al diagrama de frecuencias. /DV¿JXUDV\QRVPXHVWUDQYDULDVGLVWULEXFLRQHVSUREDELOtVWLFDVELQRPLDOHVDGHPiVSHUmiten demostrar cómo se vuelven mas simétricas,tal como 10 podemos ver en los dos casos siguientes. www.FreeLibros.org CAPÍTULO SEIS DISTRIBUCIONES DE PROBABILIDAD 229 a) Cuando es constante y se hace cada vez más grande, hasta llegar a 0,50 = 50%. Supongamos que = 8 y que toma valores de 0,10 0,20 0,30 y 0,50 Para encontrar una forma más rápida, sin necesidad de realizar cálculos engorrosos al aplicar la fórmula de la binomial, podemos hacer uso de la tabla de distribución binomial, que se presenta en la tabla III cuando n = 8, siendo p: 0,05; 0,10; 0,15; 0,20; 0,25; 0,30; 0,35; 0,40; 0,45 y 0,50 n P(x) =o p px q< x Figura 6.2 Diagrama de frecuencias 0 1 2 3 4 5 0 1 2 3 4 5 6 0 1 2 3 4 5 6 7 8 0 1 2 3 4 5 6 7 8 n=8 p=0,10 n=8 p=0,20 n=8 p=0,30 n=8 p=0,50 b) Cuando p es constante y n se hace cada vez más grande. Supongamos que p = 0,10 y n toma valores de 5, 10, 20 y 40. Figura 6.3 Diagrama de frecuencias p=0,10 n=5 p=0,10 n=10 p=0,10 n=20 p=0,10 n=40 www.FreeLibros.org 230 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO EJERCICIOS PARA RESOLVER La gran mayoría de los ejercicios de este libro, se encuentran resueltos en el Sistema de Información en Línea SIL. $OODQ]DUFXDWURPRQHGDV¢FXiOHVODSUREDELOLGDGGHREWHQHUH[DFWDPHQWHGRVFDUDV" 2. Si en el ejercicio anterior, sólo queremos determinar la probabilidad de que aparezcan exactamente 3 caras. 3. En el caso de un dado, se quiere determinar la probabilidad de obtener exactamente 2 cincos en 4 lanzamientos. 4. En una facultad, la probabilidad de que un alumno apruebe el semestre es del 80%. Si consideramos DOXPQRV¢&XiOHVODSUREDELOLGDGGHTXH a) dos ganen. b) dos pierdan. c) por lo menos dos pierdan. G FRPRPi[LPRJDQHQ H VHLVSLHUGDQHOVHPHVWUH" 5. Se lanza 6 veces una moneda. Encontrar la probabilidad de obtener: a) exactamente 4 caras. b) máximo 4 caras. 6. Se lanzan 7 dados. Si el éxito consiste en sacar un 5 ó 6, encontrar la probabilidad de obtener: a) exactamente 4 éxitos. b) máximo 4 éxitos. 6HVDEHTXHHQODPDQXIDFWXUDGHFLHUWRDUWtFXORXQRGHFDGDUHVXOWDGHIHFWXRVR¢&XiOHVOD probabilidad de que una muestra aleatoria de 4 artículos contenga: a) ninguno defectuoso. b) exactamente uno defectuoso. F H[DFWDPHQWHGRVGHIHFWXRVRV G QRPiVGHGRVGHIHFWXRVRV" 6LXQMXJDGRUTXHDOEDWHDUWLHQHXQSURPHGLRGHOOHJDDEDWHDUYHFHVHQXQMXHJR¢&XiOHV la probabilidad de que obtenga: D H[DFWDPHQWHGRVJROSHV E PHQRVGHGRVJROSHV" $OODQ]DUPRQHGDV¢FXiOHVODSUREDELOLGDGGHREWHQHUPHQRVGHFDUDV" 6HJ~Q ORV UHJLVWURV XQLYHUVLWDULRV IUDFDVD HO GH ORV DOXPQRV GH FLHUWR FXUVR ¢&XiO HV OD probabilidad que de 6 estudiantes seleccionados al azar, que hayan seguido dicho curso, menos de KD\DQIUDFDVDGR" 11. Los registros hospitalarios indican que el 10% de los casos de cierta enfermedad resultan fatales. Si hay 5 pacientes que sufren de la enfermedad, encontrar la probabilidad de que: a) todos sanen. b) por lo menos tres mueran. c) exactamente 3 mueran. 12. Si el 20% de los cerrojos producidos por una máquina son defectuosos, determinar la probabilidad, que de 4 cerrojos elegidos al azar, a) uno. b) cero. c) no más de dos cerrojos sean defectuosos. 13. La probabilidad de que se gradúe un estudiante que ingresa a una universidad es de 0,4. Calcular la probabilidad entre 5 estudiantes que ingresan. a) ninguno se gradúe. b) se gradúe uno. c) se gradúe al menos uno. www.FreeLibros.org CAPÍTULO SEIS DISTRIBUCIONES DE PROBABILIDAD 231 14. Un dado se lanza cinco veces. Calcular la probabilidad de que el 3 aparezca: a) una vez. b) dos veces. c) tres veces. d) cuatro veces. e) ninguna vez. 15. El 10% de los artículos producidos mediante cierto proceso son defectuosos (no aceptables). Si se WRPDDOD]DUXQDPXHVWUDGHFXDWURDUWtFXORV¢FXiOHVODSUREDELOLGDGGHTXHFRQWHQJDQ D QLQJXQRGHIHFWXRVR E DOPHQRVXQRGHIHFWXRVRF PHQRVGHGRVGHIHFWXRVRV" 16. En una fábrica el 20% de los artículos que produce cierta máquina resultan defectuosos. Si 10 artículos son elegidos al azar, de todos los producidos en el día por dicha máquina, calcular la probabilidad de que haya: a) exactamente dos defectuosos. b) 3 ó más defectuosos. c) más de cinco defectuosos. d) ninguno defectuoso. 17. Suponga que la mitad de los habitantes de cierto pueblo ven regularmente televisión. De 100 LQYHVWLJDGRUHVFDGDXQRHQFXHVWDDSHUVRQDV¢&XiQWRVVHHVSHUDTXHPHQFLRQHQRPHQRVTXH VHDQWHOHYLGHQWHVUHJXODUHV" 18. En promedio cierto estudiante puede resolver la mitad de los problemas que se le presentan; para DSUREDUHVQHFHVDULRVROXFLRQDUGHSUREOHPDVGHXQH[DPHQ¢&XiOHVODSUREDELOLGDGGHTXH HOHVWXGLDQWHDSUXHEHHOH[DPHQ" 19. En promedio el 10% de las varillas de madera usadas en cierto producto se encuentran demasiado QXGRVDVSDUDVHUXVDGDV¢&XiOHVODSUREDELOLGDGGHTXHHQXQSDTXHWHGHYDULOODV a) exactamente 5 estén demasiado nudosas. b) por lo menos 10 estén demasiado nudosas. F PiVGHHVWpQGHPDVLDGRQXGRVDV" 3RUUHJODHOGHFLHUWRVSURGXFWRVPDQXIDFWXUDGRVSRUXQFLHUWRWRUQRVRQGHIHFWXRVRV¢&XiO es la probabilidad de que en 20 de estos productos haya: D H[DFWDPHQWHGHIHFWXRVRVE PHQRVGHGHIHFWXRVRVF SRUORPHQRVGHIHFWXRVRV" 'HXQWRWDOGHIDPLOLDVFRQKLMRVFDGDXQD¢HQFXiQWDVGHHOODVFDEHHVSHUDUTXHKD\D D DOPHQRVQLxRE QLxRVF QLQJ~QQLxR" 22. Siendo n = 15 p = 0,05, hallar la probabilidad de 2 o menos acontecimientos favorables. 6LHOGHORVYRWDQWHVGHXQDJUDQFLXGDGIDYRUHFHQDOFDQGLGDWR$¢FXiOHVODSUREDELOLGDGSDUD TXHHQXQDPXHVWUDDOD]DUGHYRWDQWHVODPD\RUtDIDYRUH]FDDOFDQGLGDWR$" 6XSRQJDPRV TXH -RUJH GLVSDUD VX UHYyOYHU YHFHV ¢FXiO HV OD SUREDELOLGDG GH TXH ORJUH H[DFWDPHQWHFHQWURVVDELHQGRTXHODSUREDELOLGDGGHTXHORJUHFHQWURHVGH" 'LH] PRQHGDV VRQ H[WUDtGDV GHO EROVLOOR GH XQD SHUVRQD \ SXHVWDV VREUH XQD PHVD ¢&XiO HV OD SUREDELOLGDGGHTXHHOQ~PHURGHFDUDVHVWpHQWUH\LQFOXVLYH" ¢&XiOHVODSUREDELOLGDGGHFRQWHVWDUFRUUHFWDPHQWHSRUORPHQRVWUHVGHODVFLQFRSUHJXQWDVGHXQ WHVWGHIDOVR\YHUGDGHUR" www.FreeLibros.org 27. Si se sabe que nueve de cada diez personas tienen caries, al tomar al azar un grupo de cinco personas, ¢FXiOHVODSUREDELOLGDGGHTXH 232 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO a) cuatro tengan caries. F SRUORPHQRVGRVQRWHQJDQFDULHV b) por lo menos dos tengan caries. G SRUORPHQRVXQDWHQJDFDULHV" 28. Si el 20% de los estudiantes de una universidad pierden el primer año y se toma al azar un grupo de VHLVHVWXGLDQWHV¢FXiOHVODSUREDELOLGDGGHTXH D Pi[LPRGRVDSUXHEHQE WRGRVDSUXHEHQF QLQJXQRDSUXHEH" 29. De los 6.000 estudiantes matriculados en la universidad, se sabe que 4.800 se trasladan al claustro utilizando el transporte urbano (servicio público). Si se selecciona una muestra de ocho estudiantes, ¢FXiOHVODSUREDELOLGDGGHTXH a) no más de dos utilicen dicho servicio. b) por lo menos tres no lo utilicen. F H[DFWDPHQWHGRVQRORXWLOLFHQ G H[DFWDPHQWHGRVORXWLOLFHQ" 30. Se sabe que el 60% de los alumnos de una universidad asisten a clases el día viernes; en una HQFXHVWDDRFKRDOXPQRVGHODXQLYHUVLGDG¢FXiOHVODSUREDELOLGDGGHTXH a) por lo menos 7 asistan a clase el día viernes. E SRUORPHQRVGRVQRDVLVWDQDFODVHVHOGtDYLHUQHV" 31. Se sabe que en una universidad de 2.000 estudiantes, ochocientos usan gafas. Si se realiza una HQFXHVWDDFLQFRHVWXGLDQWHV¢FXiOHVODSUREDELOLGDGGHTXH a) por lo menos dos usen gafas. b) por lo menos dos no usen gafas. F GHHVWXGLDQWHV¢FXiQWRVQRXVDQJDIDV" 32. Si un tercio de los estudiantes de un curso de contabilidad son repitentes, calcule la probabilidad de que en una muestra al azar de cuatro estudiantes: a) no más de dos sean repitentes b) al menos uno no sea repitente. ¢&XiO HV OD SUREDELOLGDG GH TXH VH SURGX]FDQ GLH] R PiV DFRQWHFLPLHQWRV GHVIDYRUDEOHV HQ ensayos de una experiencia binomial, si la probabilidad de acontecimiento favorable en cada ensayo HVGH" 8WLOLFHODVWDEODVSDUDHOFiOFXOR 34. Una compañía de seguros considera que alrededor del 25% de los carros de servicio público se DFFLGHQWDQFDGDDxR¢&XiOHVODSUREDELOLGDGGHTXHSRUORPHQRVWUHVGHXQDPXHVWUDGHVLHWH YHKtFXORVD¿OLDGRVKD\DQWHQLGRDFFLGHQWHVHQHODxR" 'HODSURGXFFLyQGHHQYDVHVPHWiOLFRVHQXQDIiEULFDVHVDEHTXHHOVRQGHIHFWXRVRV¢&XiOHV la probabilidad de que en una muestra de siete envases: D SRUORPHQRVWUHVVHDQEXHQRV E SRUORPHQRVWUHVVHDQGHIHFWXRVRV" 6LODSUREDELOLGDGGHTXHXQQLxRHQIHUPHGHVDUDPSLyQHVGH¢FXiOHVODSRVLELOLGDGGHTXHHQ una familia con cinco hijos, resulten: D GRVHQIHUPRVE SRUORPHQRVXQRHQIHUPR F SRUORPHQRVGRVQRVHHQIHUPHQ" &LHUWDHQIHUPHGDGWLHQHXQGHPRUWDOLGDG6LH[LVWHQFLQFRSDFLHQWHVFRQODHQIHUPHGDG¢FXiO será la probabilidad de que: a) ninguno sobreviva. b) todos sobrevivan. F DOPHQRVXQRVREUHYLYD G DOPHQRVXQRQRVREUHYLYD" www.FreeLibros.org CAPÍTULO SEIS DISTRIBUCIONES DE PROBABILIDAD 233 (QXQDFLXGDGVHSXEOLFDQUHYLVWDVGHODVFXDOHVFLQFRVRQFLHQWt¿FDV6LVHHOLJHQFXDWURDOD]DU ¢FXiOVHUiODSUREDELOLGDGGHTXH D SRUORPHQRVXQDVHDFLHQWt¿FD E SRUORPHQRVGRVQRVHDQFLHQWt¿FDV F XQDVHDFLHQWt¿FD" 39. El 30% de las familias de un barrio de Quito, son consideradas posibles clientes para comprar cierto SURGXFWR6HWRPDXQDPXHVWUDGHRFKRIDPLOLDV¢&XiOHVODSUREDELOLGDGHQODPXHVWUDGHTXH D WUHVRPHQRVVHDQFOLHQWHV E WUHVRPiVQRVHDQFOLHQWHV" /RVGRVTXLQWRVGHORVYRWDQWHVLQVFULWRVHQFLHUWRVEDUULRVGH%RJRWiDSR\DQDOJUXSR$¢&XiOHV la probabilidad de que en una muestra de siete votantes de ese puesto de votación: a) exactamente cinco apoyen a A. b) por lo menos dos apoyen a A. F SRUORPHQRVGRVQRDSR\HQD$" 41. Un examen de tipo verdadero-falso, contiene 16 preguntas; suponiendo que un alumno conteste FDGDSUHJXQWDDOD]DU¢FXiOHVODSUREDELOLGDGGHTXH a. A lo más dos preguntas sean contestadas correctamente. b. Por lo menos dos preguntas sean contestadas correctamente. F3RUORPHQRVGRVQRVHDQFRQWHVWDGDVFRUUHFWDPHQWH" Nota: se puede utilizar la tabla 42. En la producción de un determinado artículo encontramos que por cada veinte que se producen, tres de HOORVUHVXOWDQGHIHFWXRVRV6LVHWRPDXQDPXHVWUDGHRFKRDUWtFXORV¢FXiOHVODSUREDELOLGDGGHTXH a) por lo menos dos sean defectuosos. b) por lo menos dos no sean defectuosos. F (Q XQD SURGXFFLyQ GH DUWtFXORV ¢HQ FXiQWRV GH HOORV HVSHUDPRV TXH GRV VHDQ GHIHFWXRVRV" 43. Se sabe que el 70% de los miembros de la universidad son fumadores; en una muestra aleatoria de IXPDGRUHV¢FXiOHVODSUREDELOLGDGGHTXHKD\DH[DFWDPHQWHIXPDGRUHV" XWLOL]DUODWDEOD 8QD¿UPDGHSHGLGRVSRUFRUUHRHQYtDXQDFLUFXODU\HVSHUDXQDWDVDGHUHVSXHVWDGHOVXSRQJD TXHGLH]FLUFXODUHVVHHQYtDQFRPRSUXHEDGHPHUFDGRHQXQDQXHYDiUHDJHRJUi¿FD6LVHDSOLFDOD tasa de respuestas del 20% en la nueva región, determine la probabilidad de que: a) la mayoría responda b) menos del 30% de la gente no responda c) nadie responda. 45. El 17 % de los artículos producidos mediante cierto proceso, son defectuosos. Se toma al azar una PXHVWUDGHGLH]DUWtFXORV¢FXiOHVODSUREDELOLGDGGHTXH a) ninguno sea defectuoso. b) por lo menos dos no sean defectuosos. F FRPRPi[LPRGRVVHDQGHIHFWXRVRV" 46. Existe un 80% de probabilidad de que un tipo determinado de componentes se comporte adecuadamente bajo las condiciones de alta temperatura. Si el dispositivo en cuestión tiene cuatro de tales componentes, determine la probabilidad en cada uno de los siguientes eventos, por medio de la fórmula para probabilidades binomiales: a) todos los componentes se comportan adecuadamente y por lo tanto el dispositivo es operacional. www.FreeLibros.org 234 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO b) el dispositivo no es operacional porque falla uno de los cuatro componentes. c) el dispositivo no es operacional porque falla uno o más de los componentes. 47. Suponga que un conductor de automóvil que maneja con exceso de velocidad, puede ser detectado por un sistema de radar. Se dice que de cada diez con exceso de velocidad, seis son detectados. Un automovilista va con exceso de velocidad, en viaje entre Bogotá y Tunja. Durante el trayecto hay ocho estaciones de vigilancia por radar. D ¢4XpSUREDELOLGDGKD\GHTXHHVWHDXWRPRYLOLVWDSRUORPHQRVFLQFRYHFHVVHDGHWHFWDGRFRQ H[FHVRGHYHORFLGDG" E ¢3RUORPHQRVGRVQRVHDQGHWHFWDGRV" 48. Se sabe que la probabilidad de que una familia tome jugo de naranja en el desayuno es del 9,9%. Se toma una muestra de cinco familias y se quiere determinar la probabilidad de que: a) por lo menos dos familias tomen jugo de naranja al desayuno. b) como máximo tres familias no tomen jugo de naranja al desayuno. 49. Un vendedor supone que cada entrevista le produce una venta con probabilidad de ¼. En un GHWHUPLQDGRGtDHOYHQGHGRUHQWUHYLVWDFLQFRSRVLEOHVFOLHQWHV¢&XiOHVODSUREDELOLGDGGHTXHSRU ORPHQRVWUHVFRPSUHQ" 50. Supongamos que el 16% de los estudiantes que se presentan a un examen de estadística, con menos de tres ausencias, en el semestre, lo pierden. Si se seleccionan 10 estudiantes con menos de tres DXVHQFLDV¢FXiOHVODSUREDELOLGDGTXHQRORSLHUGDXQQ~PHURGHDOXPQRVQRPD\RUDFLQFRQL PHQRUDWUHV" 51. Una secretaria que debe llegar a su trabajo todas las mañanas a las 8:00 se tarda como mínimo 15 PLQXWRVHOGHODVYHFHV(OMHIHGHODR¿FLQDTXHQROOHJDVLQRDODVODPD\RUtDGHODV veces, llama ocasionalmente entre las 8:00 y las 8:15 para enterarse de las novedades. D ¢&XiO HV OD SUREDELOLGDG HQ GRV PDxDQDV GH ODV FLQFR GH OD VHPDQD TXH HO MHIH OODPH \ OD VHFUHWDULDQRHVWpHQODR¿FLQD" E¢4XHSRUORPHQRVGRVPDxDQDVGHODVFLQFRODVHFUHWDULDHVWp" 52. En una población de trabajadores del Estado, que gozan pensión de jubilación, el 36% tiene más de DxRV¢&XiOHVODSUREDELOLGDGHQXQDPXHVWUDGHSHQVLRQDGRVGHTXHRPiVWHQJDQPiV GHDxRV" /DR¿FLQDGHSHUVRQDOHQXQDIiEULFDLQGLFDTXHHOGHORVHPSOHDGRVGHODOtQHDGHPRQWDMHV se retiran durante los primeros tres años de haber sido contratados. Se acaban de contratar 12 HPSOHDGRVQXHYRV¢&XiOHVODSUREDELOLGDGGHTXH a) por lo menos nueve sigan trabajando después del tercer año. E FRPRPtQLPRWUHVVHUHWLUHQDQWHVGHOWHUFHUDxR" 6LVHVDEHTXHXQRGHFDGDGLH]OLEURVGHWH[WRUHSUHVHQWDQXQp[LWR¿QDQFLHUR\XQDFDVDHGLWRUDKD GHFLGLGRSXEOLFDUVHLVWH[WRVQXHYRV¢FXiOHVODSUREDELOLGDGGHTXHSRUORPHQRVGRVVHDQXQp[LWR ¿QDQFLHUR" 55. En una región se tienen 25 colegios de enseñanza secundaria, de los cuales cinco son técnicos. Si se HOLJHQDOD]DUFXDWURFROHJLRV¢FXiOHVODSUREDELOLGDGGHTXH D SRUORPHQRVXQRVHDWpFQLFR E SRUORPHQRVGRVQRVHDQWpFQLFRV" www.FreeLibros.org CAPÍTULO SEIS DISTRIBUCIONES DE PROBABILIDAD 235 DISTRIBUCIÓN PROBABILÍSTICA DE POISSON En una distribución binomial cuando es grande, por lo general mayor de cincuenta, y , la probabilidad de éxito de un suceso, se acerca a cero, mientras que la probabilidad de fracaso se aproxima a 1, de tal manera que el producto de VLPEROL]DGR SRU ODPEGD Ȝ VHD PHQRU R LJXDO D GHEH XWLOL]DUVH la distribución de Poisson. Algunos autores, consideran no sólo el hecho de que sea muy pequeña, sino también cuando HVWDQJUDQGHTXHVHDSUR[LPDD\ȜHQDPERVFDVRVVHSXHGHDSOLFDU HVWDGLVWULEXFLyQ/DWDEODTXHVHDGMXQWDDO¿QDOGiODRSFLyQGRQGH Ȝ como algunos lo aceptan, contrario a un valor menor o igual a 5. x íȜ Su fórmula es: Ȝe P(x) = ––––– X! = 2.71828 ( ⎧ ⎪ ⎪ λ= ⎨ = ⎪ ⎪ ( )= ⎩ neperianos ) Generalmente se dice, que la distribución de Poisson tiene su mayor aplicación, cuando en el exSHULPHQWRTXHVHUHDOL]DRFXUUHQVXFHVRVOODPDGRVUDURVORVFXDOHVVHLGHQWL¿FDQFRQXQDSUREDELOLGDG de éxito sumamente pequeña (p) y el número de observaciones (n) grande; pero la verdad es que esta distribución se aplica a una variedad de situaciones diferentes, como las ocurrencias respecto a un campo continuo, como área o tiempo. Algunos de estos eventos aleatorios ocurren en forma independiente a una velocidad dentro de un campo o intervalo, generalmente de espacio (área y tiempo). Son ejemplos para aplicación de la distribución de Poisson: el número de personas que llegan a un almacén, banco o aeropuerto en un tiempo determinado; el número de llamadas telefónicas por minuto; el número de defectos en piezas similares en el material, ya sea por centímetro cuadrado o centímetro lineal; número de bacterias en un cultivo; insectos por kilómetro cuadrado; el número de fallas de una máquina durante una hora o un día; el número de accidentes por día; el número de reclamaciones o solicitudes a una compañía de seguros en un determinado período, etc. Como se puede observar, se trata de hallar la probabilidad de ocurrencia de cualquier número de éxitos (X) por unidad de medición (minuto, hora, día, centímetro, metro, etc.). Algunos de los ejercicios que se darán para su VROXFLyQVRORWHQGUiQHOYDORUGHOSDUiPHWURODPEGD Ȝ RVHDHOpromedio o razón de ocurrencia del evento aleatorio por unidad de tiempo o espacio y el número de éxitos que se solicitan, por lo tanto no habrá necesidad de conocer los valores de p y de n. Ejemplo 1. Si el 1% de las bombillas fabricadas por una compañía son defectuosas, hallar la probabilidad de que, en una muestra de 100 bombillas, 3 sean defectuosas. www.FreeLibros.org o : Ȝ "=3 236 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO 100 0,01 3 = =3 1 3 13 H −1 1(0,367 = 3 3 21 ) = 0,06131 = 6,13 Ejemplo 2. Si la probabilidad de que una persona adquiera la enfermedad como consecuencia de una YDFXQDFRQWUDODPLVPDHV¢FXiOHVODSUREDELOLGDGGHTXHODDGTXLHUDQH[DFWDPHQWHSHUVRQDV HQXQDSREODFLyQGHYDFXQDGRV" o : Ȝ 3( = 5) "=5 5 ! = 5. 4.3. 2.1 = 120 25 H −2 32 (0,13534 ) = = 0,0360 5 120 = 3( =5) = 3,61 Ejemplo 3. Se estima que una de cada 10.000 personas es alérgica a cierta sustancia utilizada en la IDEULFDFLyQGHWLQWHVSDUDHOFDEHOOR¢&XiOHVODSUREDELOLGDGGHTXHHQXVXDULDVGHWLQWHVPiVGH FLQFRVXIUDQUHDFFLRQHVDOpUJLFDVGHELGRDVXXVR" o : S= 3 1 = 0,00 01 10 000 1 −2 2 −2 3 −2 4 −2 5 −2 ⎡ 0 −2 ⎤ =1− ⎢2 H + 2 H + 2 H + 2 H + 2 H + 2 H ⎥ 1 2 3 4 5 ⎦ ⎣ 0 ≥6 ⎡1 0,13534 2 0,13534 4 0,13534 =1− ⎢ + + + 1 1 2 ⎣ ≥6 3 λ = QS = 20 000 0,0001 = 2 0,13534 16 0,13534 32 0,13534 ⎤ + + ⎥⎦ 6 24 120 = 1 − 0, 344 = 0,01656 = 1,66 ≥6 -x El valor de e se calcula generalmente mediante el uso de la calculadora, cuyo procedimiento varía de acuerdo a su marca y modelo: USO DE CALCULADORA Casio fx - 5.000F (y en la mayoría de modelos) se procede así: SHIFT ex (-) 3 EXE 0,135335283 7DPELpQPHGLDQWHHOXVRGHWDEODV YHUDO¿QDOGHOOLEURWDEOD9,, Ejemplo 4. El número de Clientes que llegan a una corporación de ahorro y vivienda los días sábados HVHQSURPHGLRSRUKRUD¢&XiOHVODSUREDELOLGDGGHTXHOOHJXHQSRUORPHQRVGRVFOLHQWHV D HQXQ SHUtRGRGHPLQXWRV E HQPLQXWRV" o : utilizaremos la tabla para calcular la probabilidad en cada suceso. a) λ = 40 3 ≥2 3 ≥2 3 ≥2 λ= [ = 1− 3 =0 +3 =1 40 × 14 = ,33 60 ,3 ] ⎡ ,30 H − ,3 ,31 H − ,3 ⎤ = 1− ⎢ + ⎥ = 1 − [0,0001 + 0,000 1 ⎣ 0 ⎦ = 1 − 0,000 = 0, 1 = , 1 ] www.FreeLibros.org CAPÍTULO SEIS DISTRIBUCIONES DE PROBABILIDAD 237 Tabla 6.6 Distribución de Poisson l x 0 1 2 3 4 9.1 9.2 9.3 9.4 9.5 9.6 9.7 9.8 9.9 10.0 0,0001 0,0010 0,0046 0,0140 0,0319 0,0001 0,0009 0,0043 0,0131 0,0302 0,0001 0,0009 0,0040 0,0123 0,0285 0,0001 0,0008 0,0037 0,0115 0,0269 0,0001 0,0007 0,0033 0,0100 0,0254 0,0001 0,0007 0,0031 0,0100 0,0240 0,0001 0,0006 0,0029 0,0093 0,0226 0,0001 0,0005 0,0027 0,0087 0,0213 0,0001 0,0005 0,0025 0,0081 0,0201 0,0000 0,0005 0,0023 0,0076 0,0189 λ = 40 × 5 = 3,33 60 b) λ = 40 3,3 3( ≥ 2) 3( ≥ 2) ⎡ 3,30 H −3,3 3,31 H −3,3 ⎤ =1− ⎢ + ⎥ = 1 − [0,036 + 0,1217 ] 1 ⎣ 0 ⎦ =1 − 0,1586 = 0,8414 3( ≥ 2) = 84,14 Tabla 6.6A Distribución de Poisson Esta tabla sólo sirve cuando se tiene un solo decimal; como se observa, y la empleamos cuando Ȝ \QRSDUDȜ x 0 1 2 3 4 l 3.1 3.2 3.3 3.4 3.5 3.6 0,0450 0,1397 0,2165 0,2237 0,1734 0,0408 0,1304 0,2087 0,2226 0,1781 0,0369 0,1217 0,2008 0,2209 0,1923 0,0334 0,1135 0,1929 0,2186 0,1858 0,0302 0,1057 0,1850 0,2158 0,1888 0,0273 0,0984 0,1771 0,2125 0,1912 Nota:6LVHKXELHVHWUDEDMDGRFRUUHFWDPHQWHFRQȜ \ORVUHVXOWDGRVUHVSHFWLYRVVHUtDQ a) 3 ≥2 3 ≥2 b) 3 ≥2 3 ≥2 ⎡ ,330 H − ,33 ,331 H − ,33 ⎤ =1− ⎢ + ⎥ = 1 − [0,0000 + 0,000 3] 0 1 ⎣ ⎦ = 1 − 0,000 = 0, 1 = , 1 ⎡ 3,330 H −3,33 3,331 H −3,33 ⎤ =1− ⎢ + ⎥ = 1 − [0,035 + 0,11 2] 0 1 ⎣ ⎦ = 1 − 0,1550 = 0, 450 = 4,50 Ejemplo 56XSRQJDPRVTXHȜ \GHVHDPRVKDOODUOD3(x) cuando x = 0, 1, 2, 3 y 4 P( x = P( x = 0) + P( x =1) + P( x = 2) + P( x = 3) + P( x = 4) APLICACIÓN DEL EXCEL www.FreeLibros.org /DV RSHUDFLRQHV VH KDUiQ PiV UiSLGR \ PiV FRQ¿DEOH VX UHVXOWDGR XWLOL]DQGR HO programa Excel. Veamos en nuestro ejercicio cómo se opera: 238 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO |Nuevamente nos ubicamos en la función fx, haciendo CLIC en ella, tal como hicimos en la distribución binomial, sólo que ahora hacemos CLIC en POISSON, tal como se presenta en la aplicación siguiente: Figura No. 4. Insertar Función. Al presionar ACEPTAR aparece un cuadro de diálogo para lo cual en la casilla X digitamos el número correspondiente de éxitos, en este caso 4. En la siguiente casilla o renglón aparece la palabra MEDIA, digitamos el valor correspondiente DODPEGDȜVLHQGRLJXDOD Nos queda por último el renglón ACUMULADO que corresponde a un valor lógico. Si digitamos HQpOODSDODEUD9(5'$'(52QRVHVWDUHPRVUH¿ULHQGRDODSUREDELOLGDGGHREWHQHUFRPR máximo, en este caso cuatro (4), como se presenta a continuación: Figura No. 5. Argumentos de la Función. Parámetro Verdadero www.FreeLibros.org CAPÍTULO SEIS DISTRIBUCIONES DE PROBABILIDAD 239 Si por el contrario, digitamos la palabra FALSO, se obtiene la probabilidad de que ocurra que X sea igual al parámetro establecido, así, en nuestro caso X es igual a 4. Figura No. 6. Argumentos de la Función. Parámetro Falso x Ejemplo 6. En un proceso de manufactura textil, se tiene que el promedio de defectos es de 6 por cada PHWURVGHWHOD¢&XiOHVODSUREDELOLGDGGHREWHQHUSRUORPHQRVIDOODVRGHIHFWRV D HQXQDSLH]D GHPHWURV" E HQXQDSLH]DGHPHWURV" D Ȝ SRUFDGDPHWURVGHWHOD[ Q 3 ≥2 3( ≥2) 3( ≥2) =1− [ =0 + =1 E Ȝ SRUFDGDPHWURVGHWHOD[ Q ] 1 −6 ⎡ 0 −6 ⎤ = 1 − ⎢ 6 H + 6 H ⎥ = 1 − [0,0025 + 0,014 1 ⎦ ⎣ 0 = 1 − 0,0174 = 0, 26 = ,26 P( x ≥ 2) = 1 − ⎡⎣ P( x =0) + P( x =1) ⎤⎦ ] ⎡ 20 e −2 21 e −2 ⎤ P( x ≥ 2) = 1 − ⎢ + = 1 − [ 0,1 5 + 0, 2 0 1 ⎥⎦ ⎣ 0 P( x ≥ 2) = 1 − 0, 0 0 = 0, 5 0 = 5 , 0 USO DE CALCULADORA El uso de la calculadora nos ayuda a agilizar los cálculos, veamos como se procede con alguna de ellas, 6 0 H −6 , es decir, cuando X = 0 y por ejemplo al calcular =6 =0 = 0 Casio fx - 5000F www.FreeLibros.org 240 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO Se teclea 104 y luego FMLA 1RVSLGHHOYDORUGH"TXHHTXLYDOHDȜSURFHGHPRVDGLJLWDUHOYDORUGH 6 y luego EXE $SDUHFH;"HQQXHVWURFDVR 0 o digitamos y luego EXE y nos da el resultado de 0,0024787 aproximadamente 0,0025. Casio fx -350TL y Casio fx -82TL, se procede para el cálculo así: ( 6 xy 0 x SHIFT ex (–) xy 6 ) ÷ 0 SHIFT X! = Casio 991 MS y 350 MS opera al igual que la calculadora anterior sólo que no aparece la tecla xy sino ȁ &DVLR+%WDPELpQVHPRGL¿FDHOWHFODGR xy ahora por SHIFT xy Casio -360 PV opera un poco diferente a las anteriores, así: ( 6 xy 0 x ( 6 +/- SHIFT ex ) ÷ 0 SHIFT ! = E Ȝ SRUFDGDPHWURV λ = 6 × 10 = 2 10 30 1 −2 ⎡ 0 −2 ⎤ 3( ≥ 2 ) = 1 − ⎢ 2 H + 2 H ⎥ = 1 − [0,1353 + 0,2707 ] 0 1 ⎣ ⎦ 3( ≥ 2 ) = 1 − 0,4060 = 0,5 40 = 5 ,40 REPRESENTACIÓN GRÁFICA Tal como se hizo en la distribución de probabilidades binomial, se puede realizar la representación JUi¿FDHQXQDGLVWULEXFLyQprobabilística de Poisson mediante un diagrama de probabilidades parecido al diagrama de frecuencias. 8WLOL]DQGROD7DEOD9,,TXHDSDUHFHDO¿QDOGHOOLEURRODFDOFXODGRUDHODERUDUHPRVODVJUi¿FDVSDUD Ȝ Ȝ \Ȝ Figura 6.4 Diagrama de frecuencias 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 x XITOS XITOS XITOS www.FreeLibros.org Obsérvese que a medida que aumenta el valor de lambda (, la distribución se vuelve casi simétrica. Además, el valor de n no tiene un límite específico. CAPÍTULO SEIS DISTRIBUCIONES DE PROBABILIDAD 241 EJERCICIOS PARA RESOLVER La gran mayoría de los ejercicios de este libro, se encuentran resueltos en el Sistema de Información en Línea SIL. 56. Un 10% de los utensilios producidos en un cierto proceso de fabricación resulta ser defectuoso. Hallar la probabilidad que de una muestra de diez utensilios, seleccionados al azar, sean exactamente dos los defectuosos, mediante: a) distribución binomial. b) distribución de Poisson. 57. Si la probabilidad de que un individuo sufra una reacción por una inyección de un determinado suero es 0,001, determinar la probabilidad que de un total de 2.000 individuos: a) exactamente 3 tengan reacción. b) más de 2 individuos tengan reacción. 58. Si el 3% de las bombillas fabricadas por una compañía son defectuosas, hallar la probabilidad de que en una muestra de 100 bombillas: a) 0 b) 1 c) 2 d) 3 e) 4 f) 5 sean defectuosos. 59. El número de ahogados en un accidente, por año, en un país X es de tres por cada 100.000 habitantes. Hallar la probabilidad de que en una ciudad cuya población es de 200.000 haya: a) 0 b) 2 c) 6 d) 8 e) entre 4 y 8 f) menos de 3 ahogados por año. 60. Suponga que una empresa aérea, en promedio, uno de cada 150 vuelos se retrasan más de una hora; si se programan 1.500 vuelos en un mes: D ¢&XiOHVODSUREDELOLGDGGHTXHH[DFWDPHQWHYXHORVVHUHWUDVHQXQDKRUD" E ¢&XiOHVODSUREDELOLGDGTXHPiVGHYXHORVVHUHWDUGHQPiVGHXQDKRUD" F ¢&XiOHVODSUREDELOLGDGGHTXHPHQRVGHYXHORVVHUHWUDVHQPiVGHXQDKRUD" 61. Si la probabilidad de que una persona adquiera la enfermedad como consecuencia de una vacuna FRQWUDODPLVPDHV¢&XiOHVODSUREDELOLGDGGHTXHODDGTXLHUDQH[DFWDPHQWHSHUVRQDVHQ XQDSREODFLyQGHYDFXQDGRV" 62. Si la probabilidad de que un individuo sufra una reacción por una inyección de un determinado suero es 0,001, determinar la probabilidad que de un total de 2.000 individuos: a) exactamente 3 tengan reacción. b) más de dos individuos tengan reacción. (0,72)xe –0,72 63. Una distribución de Poisson es dada: P = ––––––––––– Hallar la probabilidad cuando: x! a) x = 0 b) x = 1 c) x = 2 d) x = 3 64. Entre las 2 y las 4 de la tarde, el promedio de llamadas telefónicas que recibe un conmutador de una empresa, por minuto, es 2,5. Hallar la probabilidad de que en un determinado minuto haya: a) 0 b) 1 c) 2 d) 3 llamadas. 65. Supongamos que de cada 5.000 vehículos, dos tienen problemas con las llantas en una autopista. Si YHKtFXORVWUDQVLWDQSRUODDXWRSLVWDGXUDQWHFLHUWRGtD¢FXiOHVODSUREDELOLGDGGHTXHSRUOR PHQRVGRVYHKtFXORVWHQJDQSUREOHPDVFRQODVOODQWDV" www.FreeLibros.org 66. Supongamos que, en promedio, una casa, de cada 2.000, en cierta zona de Buenos Aires, se incendia GXUDQWHHODxR6LKD\FDVDVHQGLFKD]RQD¢FXiOHVODSUREDELOLGDGGHTXH 242 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO a) más de 3 casas se incendien durante el año. E H[DFWDPHQWHGRVVHLQFHQGLHQGXUDQWHHODxR" 67. El promedio de atracos en cierta ciudad es de dos por día. Utilizando la distribución de Poisson, determinar la probabilidad de que en un día dado, haya: a) no más de tres atracos. b) a lo más dos atracos. 68. Una compañía de seguros considera que solamente alrededor del 0,01% de la población le ocurre cierto tipo de accidentes cada año. La empresa tiene 10.000 asegurados contra este tipo de accidentes, ¢&XiOHVODSUREDELOLGDGGHTXHPi[LPRWUHVGHHOORVVXIUDQDFFLGHQWH" 69. Se toma una muestra de 1.500 artículos de un lote de producción que arroja el 24% de defectuosos, ¢&XiOHVODSUREDELOLGDGGHREWHQHU D GRVRPHQRVDUWtFXORVGHIHFWXRVRV E PiVGHGRVGHIHFWXRVRV" 70. Las estadísticas sobre la aplicación de normas de seguridad en una fábrica indican que, en promedio, se presentan 10 accidentes cada semestre. Utilice la distribución de Poisson para determinar la probabilidad de que no haya más de dos accidentes de trabajo en un trimestre. 71. El número de demandas presentadas a una compañía de seguros, en promedio (np) es de tres por GtD¢&XiOHVODSUREDELOLGDGGHTXHHQXQGtDFXDOTXLHUD D QRVHSUHVHQWHQLQJXQDGHPDQGDE SRUORPHQRVVHSUHVHQWDQGRVGHPDQGDV" /DSUREDELOLGDGGHTXHXQFDMHURVHHTXLYRTXHHQHOSDJRGHXQFKHTXHHVGH¢&XiOHVOD probabilidad de que en 800 cheques pagados por dicho cajero: a) por lo menos se equivoque en el pago de tres cheques. E Pi[LPRVHHTXLYRTXHHQGRVFKHTXHV" /DWDVDGHPRUWDOLGDGGHFLHUWDHQIHUPHGDGHVGHWUHVSRUPLO¢&XiOHVODSUREDELOLGDGGHTXHHQXQ grupo de 500 personas, D PiVGHGRVPXHUDQ E FRPRPi[LPRGRVPXHUDQ" 74. En promedio doce personas por hora consultan a un especialista en decoración en un almacén de WHODV¢&XiOHVODSUREDELOLGDGGHTXHGXUDQWHXQSHUtRGRGHGLH]PLQXWRV a) por lo menos dos se acerquen al especialista. E QRPiVGHGRVVHDFHUTXHQDOHVSHFLDOLVWD" 75. Se estima que una de cada 10.000 personas es alérgica a cierta sustancia utilizada en la fabricación GHWLQWHVSDUDHOFDEHOOR¢&XiOHVODSUREDELOLGDGGHTXHXVXDULDVGHWLQWHV D SRUORPHQRVXQDVXIUDUHDFFLRQHVDOpUJLFDVE PiVGHXQDVXIUDUHDFFLRQHVDOpUJLFDV" (O FRQPXWDGRU GH XQD FOtQLFD UHFLEH XQ SURPHGLR GH OODPDGDV FDGD PLQXWRV ¢&XiO HV OD probabilidad de que lleguen, a) exactamente 4 llamadas en un período de 30 segundos. E FRPRPi[LPRGRVOODPDGDVHQXQSHUtRGRGHVHJXQGRV" www.FreeLibros.org 77. Los clientes llegan a una exhibición a razón de 6,8 clientes/hora. Calcule la probabilidad de que: a) en la primera media hora, por lo menos llegue un cliente. CAPÍTULO SEIS DISTRIBUCIONES DE PROBABILIDAD 243 b) en el primer cuarto de hora, no llegue ningún cliente. c) en cualquier hora dada, llegue más de uno 78. Los clientes de una cafetería llegan a razón de nueve personas, en un período de 30 minutos. Calcule la probabilidad, a) de que en la primera media hora por lo menos lleguen 4 personas. b) de que en los 10 primeros minutos no llegue ningún cliente. (OFLHUUHGHEDQFRVSRUSUREOHPDV¿QDQFLHURVKDRFXUULGRDUD]yQGHFODXVXUDVSRUDxR a) encuentre la probabilidad de que ningún banco sea cerrado durante un período de cuatro meses, b) por lo menos un banco sea cerrado durante el semestre. DISTRIBUCIÓN IPERGEOM TRICA Al igual que la distribución Binomial y de Poisson, la Hipergeométrica corresponde a variables aleatorias discretas. La distribución Hipergeométrica está asociada, generalmente, con un proceso de muestreo sin reSRVLFLyQHQXQDSREODFLyQ¿QLWD Las características o condiciones que debe reunir una distribución Hipergeométrica, son: D /DLQIRUPDFLyQGHODPXHVWUDVHWRPDVLQUHSRVLFLyQGHXQDSREODFLyQ¿QLWD b) La probabilidad de éxito no es constante, cambia para cada observación. c) El resultado de una prueba es dependiente de la prueba anterior, siempre se verá afectado por el resultado de observaciones previas. d) El tamaño de la muestra (n) debe ser superior en un 5% con respecto al tamaño poblacional N. e) Se relaciona con situaciones que tengan que ver con dos o más resultados f) La distribución es adecuada, cuando el tamaño de la población es pequeña. Esta última condición limita su aplicación. La fórmula que se debe emplear para la distribución Hipergeométrica es: ⎛ $⎞ ⎛ 1 − $⎞ ⎜ ⎟⎜ Q − ⎟ ⎠ 3 = ⎝ ⎠⎝ 1 ⎛ ⎞ ⎜Q⎟ ⎝ ⎠ Siendo: N = Tamaño de la población A = Número de éxitos en la población n = Tamaño de la muestra x = Número de éxitos en la muestra Es necesario tener en cuenta que " no puede exceder a A ni a n. Recordemos que: www.FreeLibros.org $ ⎛ $⎞ = ⎜ ⎟ ⎝ ⎠ ($ − ) 1 ⎛1⎞ = ⎜Q⎟ ⎝ ⎠ (1 − Q ) Q 244 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO Ejemplo 1. En la producción de cierto artículo, se sabe que por cada 50 producidos, en 43 su terminado HVH[FHOHQWH6LVHWRPDXQDPXHVWUDGHDUWtFXORV¢FXiOHVODSUREDELOLGDG D GHTXHH[DFWDPHQWH GRVQRVHDQFODVL¿FDGRVFRPRH[FHOHQWHVE SRUORPHQRVGRVQRVHDQFODVL¿FDGRVFRPRH[FHOHQWHV F ¢GLH]VHDQFODVL¿FDGRVFRPRH[FHOHQWHV" o : a) 3 b) 3 =2 ≥2 3 ≥2 3 ≥2 1 = 50 ⎛ 7 ⎞ ⎛ 50 − 7 ⎞ ⎛ 7 ⎞ ⎛ 43 ⎞ ⎜ 2 ⎟ ⎜ 12 − 2 ⎟ ⎜ 2 ⎟ ⎜ 10 ⎟ ⎠ = ⎝ ⎠ ⎝ ⎠ = 0,3317 = 33,17 = ⎝ ⎠⎝ ⎛ 50 ⎞ ⎛ 50 ⎞ ⎜ 12 ⎟ ⎜ 12 ⎟ ⎝ ⎠ ⎝ ⎠ [ = 1 − 3(0 ) + 3(1) Q = 12 = 2 ] ⎡ ⎛ 7 ⎞ ⎛ 50 − 7 ⎞ ⎛ 7 ⎞ ⎛ 50 − 7 ⎞ ⎤ ⎢ ⎜ 0 ⎟ ⎜ 12 − 0 ⎟⎠ ⎜⎝ 1 ⎟⎠ ⎜⎝ 12 − 1 ⎟⎠ ⎥ + = 1− ⎢⎝ ⎠ ⎝ ⎥ = 1 − [0,1263 + 0,3317] ⎛ 50 ⎞ ⎛ 50 ⎞ ⎢ ⎥ ⎜12 ⎟ ⎜ 12 ⎟ ⎢⎣ ⎥⎦ ⎝ ⎠ ⎝ ⎠ = 1 − 0,45 0 = 0,5420 = 54,20 ⎛ 43 ⎞ ⎜ 10 ⎟ ⎝ ⎠ c) 3 = ( = 10 ) $ = 7 ⎛ 50 − 43 ⎞ ⎜ 12 − 10 ⎟ ⎝ ⎠ = ⎛ 50 ⎞ ⎜ 12 ⎟ ⎝ ⎠ ⎛ 43 ⎞ ⎛ 7 ⎞ ⎜ 10 ⎟ ⎜ 2 ⎟ ⎝ ⎠ ⎝ ⎠ = 0,3317 = 37,17 ⎛ 50 ⎞ ⎜ 12 ⎟ ⎝ ⎠ 1 = 50 7 $ =7 Q = 12 ≥2 1 = 50 $ = 43 Q = 12 = 10 Ejemplo 2. Un colegio tiene a su disposición para el transporte de sus estudiantes 10 buses. Por información llegada a las directivas del plantel, se sabe que 4 no se encuentran en óptimas condiciones. Si se selecciona una muestra de 5 buses, D ¢&XiOHVODSUREDELOLGDGGHTXHGRVGHHOORVQRVHHQFXHQWUHQHQySWLPDVFRQGLFLRQHV" E ¢4XpGRVGHHOORVVHHQFXHQWUHQHQSHUIHFWDVFRQGLFLRQHV" o a) 3 b) 3 : =2 =2 ⎛ 4⎞ ⎜ 2⎟ =⎝ ⎠ ⎛10 − 4 ⎞ ⎛ 4 ⎞ ⎛ 6 ⎞ ⎜ 5 − 2 ⎟ ⎜ 2⎟ ⎜ 3⎟ ⎠ = ⎝ ⎠ ⎝ ⎠ = 0,4762 = 47,62 ⎝ 10 ⎛ ⎞ ⎛10 ⎞ ⎜5⎟ ⎜5⎟ ⎝ ⎠ ⎝ ⎠ ⎛ 6 ⎞ ⎛10 − 6 ⎞ ⎜ 2⎟ ⎜ 5 − 2 ⎟ ⎠= =⎝ ⎠ ⎝ ⎛10 ⎞ ⎜5⎟ ⎝ ⎠ ⎛ 6⎞ ⎛ 4⎞ ⎜ 2⎟ ⎜ 3⎟ ⎝ ⎠ ⎝ ⎠ = 0,23 1 = 23, 1 ⎛10 ⎞ ⎜5⎟ ⎝ ⎠ 1 =10 $= 4 Q = 5 = 2 1 =10 $= 6 Q = 5 = 2 En los dos ejemplos anteriores, se pueden agilizar los cálculos mediante el uso de la tabla respectiva o la calculadora. Veamos su aplicación en el ejemplo 2, utilizando la tabla 6.7 www.FreeLibros.org CAPÍTULO SEIS DISTRIBUCIONES DE PROBABILIDAD 245 Tabla 6.7 Distribución hipergeométrica USO DE CALCULADORA En este capítulo se dan algunas indicaciones sobre el uso de aquellas calculadoras que más se utilizan en clase. Casio fx - 5000f Primero se teclea el número probabilidad. 106 FMLA con lo cual aparece la fórmula para calcular la (QSDQWDOODDSDUHFHXQLQWHUURJDQWH."TXHHTXLYDOHD$SRUORWDQWRWHFOHDPRV GHDFXHUGRDO último ejemplo y operación), 6 y EXE $SDUHFH;"DVtTXHWHFOHDPRV 2 EXE y observamos la pantalla 1RVSLGHHOYDORUGH1"HQHVWHFDVRWHFOHDPRV 10 EXE Ahora, pide n"VLHQGR 5 y luego EXE¢DSDUHFHHQSDQWDOODHOPLVPRUHVXOWDGRHVSHUDGRGHO ejercicio 0,238095, ver ejemplo 2b. De acuerdo a las marcas y modelos de las calculadoras que fueron utilizadas, tanto en la Binomial como en Poisson, en todas ellas se procede así: ( 6 xy nCr 2 X 4 nCr 3 ) ÷ 10 nCr 5 = En algunas de de las calculadoras, antes de teclear el símbolo de las combinaciones se deberá proceder así: SHIFT nCr Cuando las calculadoras no tienen la tecla nCr se deberá proceder a teclear paso a paso, así: ( ( 6 ! ÷ ( 4 ! x 2 ! ) x ( 4 ! ÷ ( 3 ! x 1 ! ) ) ÷ ( 10 ! ÷ ( 5 ! x 5 ! x ) ) = Es necesario tener en cuenta con algunas calculadoras, que el uso de factorial requiere de dos teclas SHIFT ! ; También en otras, el factorial aparece en la tecla así X! ; equivalente a lo mismo. www.FreeLibros.org Ejemplo 3. Aplicar la distribución hipergeométrica: a) Dada la siguiente información: 246 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO N = 42 b) N = 42 o n = 12 n = 12 A = 36 x = 8 buenos A = 42 - 36 = 6 malos " = 12 - 8= 4 malos : ⎛ 36 ⎞ ⎛ 42 − 36 ⎞ ⎛ 36 ⎞⎛ 6 ⎞ ⎜ 8 ⎟ ⎜ 12 − 8 ⎟ ⎜ 8 ⎟⎜ 4 ⎟ ⎠ = ⎝ ⎠⎝ ⎠ = 0,0410 = 4,10 a) 3( = 8 ) = ⎝ ⎠ ⎝ 42 ⎛ ⎞ ⎛ 42 ⎞ ⎜ 12 ⎟ ⎜ 12 ⎟ ⎝ ⎠ ⎝ ⎠ La probabilidad de obtener exactamente 8 buenos, es del 4,10% ⎛ 6 ⎞ ⎛ 42 − 6 ⎞ ⎛ 6 ⎞⎛ 36 ⎞ ⎜ 4 ⎟ ⎜ 12 − 4 ⎟ ⎜ 4 ⎟⎜ ⎟ ⎠ = ⎝ ⎠⎝ ⎠ = 0,0410 = 4,10 b) 3( = 4 ) = ⎝ ⎠ ⎝ ⎛ 42 ⎞ ⎛ 42 ⎞ ⎜ 12 ⎟ ⎜ 12 ⎟ ⎝ ⎠ ⎝ ⎠ La probabilidad de obtener exactamente 4 malos, es del 4,10% EJERCICIOS PARA RESOLVER La gran mayoría de los ejercicios de este libro, se encuentran resueltos en el Sistema de Información en Línea SIL. 8QSURIHVRUGLVSRQHHQVXDUFKLYRGHSUHJXQWDVVREUHXQWHPDHVSHFt¿FRGHODPDWHULDVHLVGH ellas son de teoría. Si desea preparar un cuestionario de 5 preguntas: D ¢&XiOHVODSUREDELOLGDGGHTXHGHODVSUHJXQWDVVHDQGHWHRUtD" E ¢4XpGRVQRVHDQGHWHRUtD" 81. Un Instituto Técnico recibe un pedido de 12 computadores que requiere para dotar la división de sistemas. Por información de otro Instituto que realizó ese mismo pedido, se supo que 4 aparatos KDEtDQ VXIULGR GHVSHUIHFWRV HQ HO WUDQVSRUWH VLWXDFLyQ IUHFXHQWH FRQ OD ¿UPD FRQWUDWDGD SDUD distribuir la mercancía. El director del instituto decidió examinar 3 de los computadores recibidos. ¢&XiOHVODSUREDELOLGDGGHTXHQLQJXQRGHORVWUHVUHVXOWHDYHULDGRDOVHUWUDQVSRUWDGR" 82. Un nuevo sabor de helado fue probado por un grupo de 15 alumnos de un colegio en el que se vende, 10 encontraron agradable el nuevo sabor. Si quisiéramos repetir la prueba, se haría seleccionando 5 DOXPQRVGHORV¢&XiOHVODSUREDELOLGDGGHTXHD DGRVOHVJXVWHHOQXHYRVDERUE DGRVQR OHVJXVWHHOQXHYRVDERU" 83. Un jefe de almacén sabe que 6 de las 25 bicicletas que tiene para la venta presentan fallas en los frenos y necesitan ajuste. Si el vendedor, que no tenía conocimiento de lo anterior, vendió en el día, ELFLFOHWDV¢&XiOHVODSUREDELOLGDGGHTXHYHQGLHUDGRVTXHUHTXHUtDQVHUDMXVWDGDV" 84. Una Facultad de Economía cuenta con una nómina de 40 profesores, de los cuales 35 son economistas. 6LVHOHFFLRQDQDOD]DUFLQFRSURIHVRUHVSDUDFRQVWLWXLUXQFRPLWpFRQHO¿QGHUHYLVDUHOSHU¿OTXH GHEHWHQHUHOHJUHVDGR¢FXiOHVODSUREDELOLGDGGHTXHSRUORPHQRVXQRVHDHFRQRPLVWD" www.FreeLibros.org CAPÍTULO SEIS DISTRIBUCIONES DE PROBABILIDAD 247 VARIABLE ALEATORIA CONTINUA DISTRIBUCIÓN NORMAL Corresponde a una Distribución de variable aleatoria continua, que se extiende sobre un campo de YDULDELOLGDGLQ¿QLWR\HVWiGDGDSRUODIXQFLyQ − <= 1 H σ 2π Siendo: 2 2σ 2 N = Número de datos σ = Desviación estándar de la distribución binomial = QST e = Base de los logaritmos naturales = 2,71828 π = 3,1415926535 .. μ = Media de la distribución binomial = np Se le suele denominar: Gaussiana, Laplaciana, Distribución de Laplace-Gauss o de Gauss-Laplace o bien la segunda ley de Laplace. Aparentemente fue descubierta por De Moivre (1756) como forma límite de la Distribución Binomial. Todo ejercicio planteado como Binomial, en especial cuando (n) el número de experimentos realizados es grande, se debe resolver mediante la distribución Normal. Este procedimiento permite facilitar y agilizar las operaciones, cuyo resultado no será exacto (método binomial) sino un valor EDVWDQWHDSUR[LPDGRUD]yQSRUODFXDODOJXQRVORLGHQWL¿FDQFRPRmétodo aproximado. Tal como se hizo en la distribución binomial, el experimento de lanzar 12 monedas, nos permite elaborar una tabla de frecuencias teóricas o probabilisticas, con lo cual se obtendrán las probabilidades de aparición de 0 caras, 1 cara, 2 caras.....12 caras, con los resultados se podrá calcular la media, la varianza y la desviación típica, al igual como lo hacíamos en la estadística descriptivaD¿QGHFRPSDUDUORFRQ los resultados obtenidos a través de la distribución binomial, donde: μ = QS σ 2 = QST σ = QST Los resultados del experimento son: Tabla 6.8 Distribución frecuencias www.FreeLibros.org Continúa... 248 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO Continuación ;= 62 = ∑; Q 1 24.576 = 6 ;= 4 .0 6 ; I ; = ∑ 1 2 ∑ ; Q − ; 2 6 2 = 15 .744 − 36 = 3 − 36 = 3 1 4 .0 6 ;2I σ2 = ∑ − ;2 1 Teorema. Si p es la probabilidad de éxito de un suceso en un solo experimento y q es la probabilidad de fracaso, entonces la distribución binomial que da las frecuencias esperadas para 0, 1,....n éxitos en n experimentos, tiene como media y desviación típica 3 Se tiene: = np y 3Henpq , fórmulas que aplicaremos al ejercicio anterior, en la siguiente forma: = np = 12 (1/ 2) = 6 2 2 3 = npq 3 = 12 (1/ 2) (1/ 2) = 3 3 = enpq 3 = e12 (1 / 2) (1 / 2) = e3 = 1,732 _ Con los datos de la Tabla 6.8 correspondiente a las frecuencias teóricas, elaboramos un histograma de frecuencias. Teniendo en cuenta que el número de aparición de caras corresponde a una variable discreta y al no haber establecido intervalos, se deberá colocar cada valor de la variable en el centro del rectángulo. Uniendo los puntos medios en la parte superior de cada rectángulo, obtenemos una curva, conocida como ya se dijo con los nombres de curva normal, curva de Gauss, curva de error o curva de probabilidad. El histograma binomial es simétrico, cuando p = q = 1/2. Tal como se presenta en el lanzamiento de una moneda; pero en el lanzamiento de un dado, por lo general, es diferente: pq. Se debe recordar que la variable en una distribución binomial es discreta y se debe transformar en una variable continua, cuando se quiere utilizar la distribución normal; dado que la amplitud del intervalo siempre va a ser uno (c = 1), se divide entre dos (c/2), siendo igual a 0,5. Ahora, al restarlo establecemos el límite inferior y al sumarlo se obtiene el límite superior de cada intervalo, así elaboramos la primera columna que aparece en la Tabla 6.8. www.FreeLibros.org CAPÍTULO SEIS DISTRIBUCIONES DE PROBABILIDAD 249 Con la Variable continua, es decir, la variable corresponde a intervalos, con ellos elaboramos el histograma y el polígono de frecuencias. Es necesario observar algunas condiciones que debe reunir la curva normal o probabilística. Figura 6.5 ni 50% 50% μ 100% 50% 50% μ -3 -2 -1 0 1 2 3 Condiciones que debe reunir la curva normal o probabilística La curva es simétrica. El área bajo la curva es igual al 100%. La curva no toca el eje horizontal (" \DTXHHVDVLQWyWLFDVHSURORQJDLQGH¿QLGDPHQWH La media µ se localiza en el centro de la curva, es decir, cada parte es igual al 50% X toma valores de menor a mayor, es decir, de izquierda a derecha. Al estandarizar, convertir los valores de x en valores de z, ésta tendrá una media = 0 y 3z = 1 y z tomará valores desde -3 hasta +3 que cubre un área en el z 99,7%, casi igual al 100%. "í La variante estadística z = —— es una medida de las desviaciones estándar ı o de las llamadas unidades estandarizadas, conocida como desviación normal. Al usar la tabla 6.9 correspondiente a Áreas bajo la curva normal, ésta tomará a valores del centro a la derecha y del centro hacia la izquierda, dado que la tabla sólo presenta la mitad de la curva, así que el área de z = 0 hasta z = 2, será la misma de z = 0 hasta z = -2. Hay tablas donde el valor del área se presenta acumulada. www.FreeLibros.org Ejemplo 1(QHOODQ]DPLHQWRGHPRQHGDV¢&XiOHVODSUREDELOLGDGGHREWHQHUD H[DFWDPHQWH FDUDVE SRUORPHQRVFDUDVF FRPRPi[LPRFDUDV" 250 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO o : a) p = 0,5 q = 0,5 n = 12 12 Binomial: P(x= 4 ) = o p (0,5)4 (0,5)8= 0,1208 = 12,08% 4 Normal: = 12 (0,5) = 6 3= (Resultado exacto) e 12 (0,5)(0,5) =1,73 Con la media y desviación típica en una distribución binomial, " es la variable discreta, (" = 4) se transforma en continua, sumando y restando 0,5 al valor de 4, siendo P x (no hay problema si se omite el igual). −μ == Z σ 4,5 − 6 = − 0, 7 → $ 0,307 1,73 3,5 − 6 = Z = 1,73 = −1,45 → $ 0,4265 (ver tabla) 0,5000 0,4265 = Z= 3,5 4,5 1,45 0, 7 6 0 En este caso restamos: A íA (0,3079) = 0,1186 P x = 11,86 % (resultado aproximado) (Ver tabla 6.1 Áreas bajo la curva normal) b) Por lo menos dos caras " = 2, 3, 4, 5, 6......12 (binomial) p( x í[p( x = 0 ) + p( x =1)] 12 12 P( x íqo p (0,5)0 (0,5)12 + o p (0,5)1 (0,5)11r = 99,69% (resultado exacto) 0 1 Normal: = 6 y 3 = 1,73 P( x >1,5) (restamos 0,5 a " = 2) 0,4 53 1,5 − 6 == = −2,60 ⇒ $(0,4 53) ( ) 1,73 En este caso sumamos las dos áreas: A(0,4953) + A(0,5000) = 0,9953 = 99,53% P( x >1,5) = 99,53% (resultado aproximado) c) Como máximo 9 caras " = 0, 1, 2, 3, ....9 P( x 9) í[P(10 ) + P(11) + P(12 )]= 98,08% (Binomial) Normal: = 6 3 = 1,73 ,5 − 6 == = 2,02 ⇒ $ 0,47 3 P( x 9,5)= 97,83% 1,73 0,5000 6 1,5 2,6 0 0,5000 0,47 3 6 ,5 0 2,02 Se suman las dos áreas: 0,5000 + 0,4783 = 0,9783 = 97,83% Ahora procedemos a desarrollar un ejercicio, cuando el valor de P y V ya están calculados, en este caso x queda exactamente igual como lo dá el problema (como variable continua), en este caso se omite: restar y/o sumar 0,5 www.FreeLibros.org CAPÍTULO SEIS DISTRIBUCIONES DE PROBABILIDAD 251 Para el manejo y cálculo de áreas, se le recomienda al lector, obligatoriamente hacer los ejercicios numerados desde el 83 hasta el 92 y así podrá saber cuando se suma y/o se resta. Ejemplo 28QSURIHVRUPDQL¿HVWDTXHHOSURPHGLRTXHORVHVWXGLDQWHVREWLHQHQHQVXDVLJQDWXUDHVGH FRQXQDGHVYLDFLyQWtSLFD¢&XiOHVODSUREDELOLGDGTXHXQRGHVXVDOXPQRVREWHQJD D XQDFDOL¿FDFLyQVXSHULRUD b) inferior a 3,2. F TXHJDQHODDVLJQDWXUD PD\RURLJXDOD " o : a) μ = 3, σ = 0,35 3( > 4, 4 ) −μ σ 4,4 − 3, == =1,43 ⇒ $(0,42 63) 0,35 0,5000 − 0,4263 = 0,0737 = 7,37 == 3( b) 3( ≥ 4, 4 ) = 7,37 == <3, 2 ) 3,2 − 3, = − 2 ⇒ $(0,4773) 0,35 2,27% 0,5000 − 0,4773 = 0,0227 = 2,27 3( ≤ 3, 2 ) = 2,27 3,0 − 3, c) 3( ≥3) = = 0,35 = − 2,57 ⇒ $(0,4 4 ) 0,5000 + 0,4 4 = 0, 4 = 3( ≥3 ) = 0,5000 0,4 4 ,4 ,4 3,0 3, 2,57 0 Cada cantidad de la tabla corresponderá a la proporción bajo la curva que se encuentre entre Z = 0 y un valor positivo de Z. Las áreas para valores negativos de Z se obtienen por simetría. 0 Z www.FreeLibros.org 252 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO Tabla 6.9 Áreas de una distribución normal ordinaria 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,0 0,0 0,1 0,2 0,3 0,4 0,0000 0,03 8 0,07 3 0,117 0,1554 0,0040 0,0438 0,0832 0,1217 0,15 1 0,0080 0,0478 0,0871 0,1255 0,1628 0,0120 0,0517 0,0 10 0,12 3 0,1664 0,0160 0,0557 0,0 48 0,1331 0,1700 0,01 0,05 6 0,0 87 0,1368 0,1736 0,023 0,0636 0,1026 0,1406 0,1772 0,027 0,0675 0,1064 0,1443 0,1808 0,031 0,0714 0,1103 0,1480 0,1844 0,035 0,0754 0,1141 0,1517 0,187 0,5 0,6 0,7 0,8 0, 0,1 15 0,2258 0,2580 0,2881 0,315 0,1 50 0,22 1 0,2612 0,2 10 0,3186 0,1 85 0,2324 0,2642 0,2 3 0,3212 0,201 0,2357 0,2673 0,2 67 0,3238 0,2054 0,238 0,2704 0,2 6 0,3264 0,2088 0,2422 0,2734 0,3023 0,328 0,2123 0,2454 0,2764 0,3051 0,3315 0,2157 0,2486 0,27 4 0,307 0,3340 0,21 0 0,2518 0,2823 0,3106 0,3365 0,2224 0,254 0,2852 0,3133 0,338 1,0 1,1 1,2 1,3 1,4 0,3413 0,3643 0,384 0,4032 0,41 2 0,3438 0,3665 0,386 0,404 0,4207 0,3461 0,3686 0,3888 0,4066 0,4222 0,3485 0,3708 0,3 07 0,4082 0,4236 0,3508 0,372 0,3 25 0,40 0,4251 0,3531 0,374 0,3 44 0,4115 0,4265 0,3554 0,3770 0,3 62 0,4131 0,427 0,3577 0,37 0 0,3 80 0,4147 0,42 2 0,35 0,3810 0,3 7 0,4162 0,4306 0,3621 0,3830 0,4015 0,4177 0,431 1,5 1,6 1,7 1,8 1, 0,4332 0,4452 0,4554 0,4641 0,4713 0,4345 0,4463 0,4564 0,464 0,471 0,4357 0,4474 0,4573 0,4656 0,4726 0,4370 0,4485 0,4582 0,4664 0,4732 0,4382 0,44 5 0,45 1 0,4671 0,4738 0,43 4 0,4505 0,45 0,4678 0,4744 0,4406 0,4515 0,4608 0,4686 0,4750 0,4418 0,4525 0,4616 0,46 3 0,4756 0,4430 0,4535 0,4625 0,4700 0,4762 0,4441 0,4545 0,4633 0,4706 0,4767 2,0 2,1 2,2 2,3 2,4 0,4773 0,4821 0,4861 0,48 3 0,4 18 0,4778 0,4826 0,4865 0,48 6 0,4 20 0,4783 0,4830 0,4868 0,48 8 0,4 22 0,4788 0,4834 0,4871 0,4 01 0,4 25 0,47 3 0,4838 0,4875 0,4 04 0,4 27 0,47 8 0,4842 0,4878 0,4 06 0,4 2 0,4803 0,4846 0,4881 0,4 0 0,4 31 0,4808 0,4850 0,4884 0,4 11 0,4 32 0,4812 0,4854 0,4887 0,4 13 0,4 34 0,4817 0,4857 0,48 0 0,4 16 0,4 36 2,5 2,6 2,7 2,8 2, 0,4 0,4 0,4 0,4 0,4 0,4 0,4 0,4 0,4 0,4 0,4 0,4 0,4 0,4 0,4 0,4 0,4 0,4 0,4 0,4 0,4 0,4 0,4 0,4 0,4 0,4 0,4 0,4 0,4 0,4 0,4 0,4 0,4 0,4 0,4 0,4 0,4 0,4 0,4 0,4 0,4 0,4 0,4 0,4 0,4 51 63 73 80 86 0,4 0,4 0,4 0,4 0,4 52 64 74 81 86 3,0 0,4 87 0,4 0 0,4 0 38 53 65 74 81 40 55 66 75 82 0,4 87 41 56 67 76 83 0,4 87 43 57 68 77 83 0,4 88 45 5 6 77 84 0,4 88 46 60 70 78 84 0,4 8 48 61 71 7 85 0,4 8 4 62 72 80 85 0,4 8 Tabla 6.9 Áreas bajo la curva normal 0,00 0,50 1,00 1, 6 2,00 2,5 3,00 0,0000 0,1 15 0,3413 0,4750 0,4772 0,4 51 0,4 7 0,5000 0,6 15 0, 413 0, 750 0, 772 0, 51 0, 7 0,5000 0,30 5 0,15 7 0,0250 0,022 0,004 0,0000 En el primer caso: (a) el área comienza a crecer, desde el centro (donde Z=0) hacia la derecha (también hacia la izquierda por ser simétrica). En el segundo (b) crece de izquierda a derecha y hasta Z=0 el área corresponderá a la mitad de la curva siendo igual al 50%. Luego se prolonga hasta Z=3 donde el valor total del área será de 0,9987. En (c) el área correspondiente a la parte sombreada, su valor disminuye, como consecuencia de la diferencia entre el valor de la mitad de la curva (50%) y el área de columna, para obtener el valor de la zona sombreada. www.FreeLibros.org CAPÍTULO SEIS DISTRIBUCIONES DE PROBABILIDAD 253 APLICACIÓN DEL EXCEL Ejemplo 3. A. Cuando solamente se requiera calcular el valor correspondiente a Z, se procederá de la siguiente forma: Nos ubicamos en la función fx, haciendo CLIC en ella y seleccionamos NORMALIZACIÓN WDOFRPRVHSUHVHQWDHQODVLJXLHQWH¿JXUD Figura No.7. Insertar Función Supongamos que se tiene la información: X = 64,8 = 62,3 3 = 2,4 Digitamos el valor correspondiente X siendo en nuestro caso igual a 64.8. De la misma forma, HQODVLJXLHQWHFDVLOODLGHQWL¿FDGDFRPR0(',$GLJLWDPRVHOYDORUFRUUHVSRQGLHQWHD\ ¿QDOPHQWHHQODFDVLOOD'(69B(67$1'$5GLJLWDPRVHOYDORUGH Al presionar ACEPTAR, observamos que el resultado de Z corresponde a 1.0416666667 con todos los decimales, este resultado sería exactamente igual al resultado que obtendríamos al utilizar las tablas que aparecen en el libro para el cálculo de Z Figura No. 8. Argumentos de la Función www.FreeLibros.org 254 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO = X B. X−μ σ 64,8 − 62,3 2,4 , Si por el contrario nuestro objetivo es calcular el ÁREA BAJO LA CURVA NORMAL, utilizamos la función correspondiente a DIST.NORM.ESTAND. P(X<64,8) = P(Z< 1,04) = 0,8508 = 85,08% Figura No.9. Insertar Función X www.FreeLibros.org Z CAPÍTULO SEIS DISTRIBUCIONES DE PROBABILIDAD 255 Observemos el cuadro siguiente donde aparece la casilla correspondiente al valor que tomará Z y un valor lógico que para nuestro caso lo consideraremos VERDADERO. Al digitar el valor de 1.04 aparece como resultado de esta operación el valor de 0.85083005, correspondiente al acumulado, es decir P(Z<1.04). Figura No.10. Argumentos de la Función C. La forma de DIST.NORM, nos permite agilizar las operaciones realizadas cuando utilizamos el procedimiento B, para hallar el área bajo la curva normal, así: Nos ubicamos en fx, y hacemos CLIC en DIST.NORM. (QOD¿JXUDFRUUHVSRQGLHQWHD',671250GLJLWDPRVORVVLJXLHQWHVGDWRV/D;FRUUHVSRQGLHQWH al valor de la variable será de 64.8; la MEDIA en nuestro ejercicio es de (µ = 62,3); y la DESV_ ESTANDAR (ı= 2,4). Una vez digitados los anteriores datos, se tienen dos (2) alternativas: VERDADERO correspondiente al valor lógico, nos dará como resultado el valor de 0.851216854 (85.12%) correspondiente a la función distributiva acumulativa P("<64,8) = 85,12%. Si por el contrario, utilizamos la palabra FALSO nos dará como resultado 0,09662266 (9,66%), correspondiente a la función de probabilidad bruta. Los dos casos anteriores pueden ser observados en los 2 cuadros que aparecen a continuación: www.FreeLibros.org En la SEGUNDA PARTE DEL SIL que acompa a al libro, encontrará en conjunto toda la aplicación del EXCEL a la ESTADÍSTICA, que igual al capítulo 13, ofrece una BASE DE DATOS para trabajar. 256 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO Figura No. 11. Argumentos de la Función. Parámetro Verdadero Figura No.12. Argumentos de la Función. Parámetro Falso (pantallazo adicional) www.FreeLibros.org CAPÍTULO SEIS DISTRIBUCIONES DE PROBABILIDAD D. 257 Otro procedimiento que podemos realizar, conociendo la probabilidad correspondiente al área bajo la curva normal, además de la MEDIA y DESVIACIÓN TÍPICA, corresponde INV. NORM Veámosla: Hacemos CLIC en función fx seleccionando INV. NORM. En el renglón PROBABILIDAD digitamos el resultado obtenido con la explicación del procedimiento C, correspondiente al valor de 0.85126854. En el segundo renglón digitamos el valor de la MEDIA, siendo igual a 62.3. Finalmente en el tercer renglón digitamos el valor correspondiente a la DESV_ ESTANDAR de 2.4. Figura No.13. Argumentos de la Función Nota: Para mayor comprensión, ver ejemplo 3. Con aplicaciones de Excel completo en el archivo Capítulo 6 ejemplo 3 en el SIL en internet. EJERCICIOS PARA RESOLVER La gran mayoría de los ejercicios de este libro, se encuentran resueltos en el Sistema de Información en Línea SIL. www.FreeLibros.org 85. Hallar el área bajo curva normal: a) Z = – 1,20 y Z = 2,40 b) Z = 1,23 y Z = 1,87; c) Z = -2,35 y Z = – 0,50 258 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO 86. Determinar el área bajo la curva normal a) a la izquierda de Z = –1,78 c) a la derecha de Z = –1,45 e) correspondiente a – 0,80 < Z < 1,53 b) a la izquierda de Z = 0,56 d) correspondiente a Z < 2,16 87. Encontrar el valor de Z: a) el área a la derecha de Z es igual a 0,2266 c) el área entre – 0,23 y Z es igual a 0,5722 b) el área a la izquierda de Z es 0,0314 d) el área entre 1,15 y Z es 0,0730 88. Hallar Z si el área bajo la curva normal: a) entre 0 y Z es 0,4515 b) a la derecha de Z es 0,3121 d) a la izquierda de Z es 0,4562 e) entre – Z y Z es 0,7436 89. Hallar el área bajo la curva normal: a) a la derecha de Z = 2,68 b) a la izquierda de Z = 1,73 d) a la izquierda de Z = –1,88 e) entre Z = 1,25 y Z = 1,67 g) entre Z = –1,45 y Z = 1,45 h) entre Z = 0,90 y Z = 1,58 90. Si la media y la desviación estándar de una distribución normal: los valores de Z (redondear en dos decimales las respuestas): a) " = 38,7 cmts. b) " = 31,5 cmts. c) " = 53,9 cmts. c) a la derecha de Z es 0,8023 c) a la derecha de Z = – 0,66 f) entre Z = 0,90 y Z = – 1,85 = 35,7 y 3 = 2,8 cmts. Obtener d) " = 29,6 cmts. 91. Una variable aleatoria Z tiene distribución normal reducida (media 0 y varianza 1). Determinar las probabilidades utilizando la tabla de áreas bajo la curva: a) P(z < 0 ) b) P(1< z < 3) c) P(z > 3 d) P ] í e)P ]í 92. Si X se encuentra distribuida normalmente con media 10 y desviación estándar 2, emplear la tabla de áreas para calcular la probabilidad de: a) " < 12 b) " > 11 c) "> 9 d) " > 9,5 e) 9< " < 12 93. Suponiendo que las estaturas (X) de varones de un colegio se encuentran distribuidas normalmente con media igual a 169 cm. y desviación estándar igual a 3 cm. (Emplear la tabla de áreas bajo la curva para calcular la probabilidad). D ¢&XiOHVODSUREDELOLGDGGHTXHXQHVWXGLDQWHWHQJDXQDHVWDWXUDLQIHULRUDFP" E ¢4XpSRUFHQWDMHGHDOXPQRVWHQGUiXQDHVWDWXUDHQWUH\" 94. En una distribución binomial de frecuencias, donde p = ¼, encuentre la probabilidad de obtener 25 o más éxitos en 80 experimentos. 95. Un fabricante de bombillas eléctricas ha encontrado que, en promedio, un 2% son defectuosas. ¢&XiO HV OD SUREDELOLGDG TXH HQ ERPELOODV VHOHFFLRQDGDV DO D]DU VH HQFXHQWUHQ R PiV GHIHFWXRVDV" 96. Use la curva normal para encontrar la probabilidad de obtener exactamente 16 veces el seis en 96 lanzamientos de un dado; compare el resultado con el valor 0,110 obtenido con la distribución binomial. www.FreeLibros.org 'DGDXQDFXUYDQRUPDOFRQ \ı +DOODUHOiUHDEDMRODFXUYDQRUPDOHQWUH\ 29,1 CAPÍTULO SEIS DISTRIBUCIONES DE PROBABILIDAD 259 'DGDODFXUYDQRUPDOFRQ \ı +DOODUD HOiUHDEDMRODFXUYDQRUPDODODGHUHFKD de 20, b) el área a la izquierda de 19,4 y c) el área entre 9,3 y 11, 7 99. El peso medio de las frutas de un gran cargamento es de 15,00 onzas, con una desviación estándar GHRQ]DVVLVXVSHVRVHVWiQGLVWULEXLGRVQRUPDOPHQWH¢TXpSRUFHQWDMHGHIUXWDVWHQGUiXQSHVR HQWUH\RQ]DV" 100. Si la vida media de cierta marca de baterías es de 30 meses, con una desviación estándar de 6 meses, ¢TXpSRUFHQWDMHGHHVWDVEDWHUtDVSXHGHHVSHUDUVHTXHWHQJDQXQDGXUDFLyQGHDPHVHV"6H supone que su duración sigue una distribución normal. 101. Se sabe que la duración media de los tubos de los receptores de televisión es de 3,0 años, con una desviación estándar de 1,5 años. Los tubos que duran menos de un año se reemplazan sin costo. 3RUFDGDUHFHSWRUHVYHQGLGRV XQWXERSRUUHFHSWRU ¢FXiQWRVWXERVGHEHUiQUHHPSOD]DUVH JUDWLV" 102. En cierto negocio de construcción el salario medio mensual es de $686.000 y la desviación estándar GH6LVHVXSRQHTXHORVVDODULRVWLHQHQXQDGLVWULEXFLyQQRUPDO¢TXpSRUFHQWDMHGHREUHURV perciben salarios entre $680.000 y $685.000. 6LXQDGLVWULEXFLyQQRUPDOGHYDULDEOHFRQWLQXDWLHQH \ı HQFXHQWUHODSUREDELOLGDG de que una variable, seleccionada al azar, sea mayor de 30 o menor de 15. 104. La lluvia estacional media en cierto pueblo es de 18,75 pulgadas, con una desviación estándar de SXOJDGDV6HVXSRQHTXHODOOXYLDHVWDFLRQDOWLHQHXQDGLVWULEXFLyQQRUPDO¢(QFXiQWRVDxRV GHXQSHUtRGRGHVHSRGUiHVSHUDUXQDOOXYLDGHDSXOJDGDV" 'RVHVWXGLDQWHVIXHURQLQIRUPDGRVGHTXHKDEtDQUHFLELGRUHIHUHQFLDVWLSL¿FDGDVGH\± respectivamente, en un examen de inglés. Si sus puntuaciones fueron 88 y 64, respectivamente, hallar la media y desviación típica de las puntuaciones del examen. 106. La media del peso de 500 estudiantes en un cierto colegio es de 151 libras y la desviación típica de 15 libras. Suponiendo que los pesos se distribuyen normalmente, hallar el número de estudiantes que pesan: a) entre 120 y 155 libras; b) más de 185 libras. 107. Las puntuaciones de un ejercicio de biología 0, 1, 2, ... dependiendo del número de respuestas correctas a 10 preguntas formúladas. La puntuación media fue de 6,7 y la desviación típica de 1,2. Suponiendo que las puntuaciones se distribuyen normalmente, determinar: a) el porcentaje de estudiantes que obtuvo 6 puntos; b) la puntuación máxima del 10% más bajo de la clase; c) la puntuación mínima del 10% superior de la clase. /D SXQWXDFLyQ PHGLD HQ XQ H[DPHQ ¿QDO IXH GH \ OD GHVYLDFLyQ WtSLFD GH (O GH ORV PHMRUHVDOXPQRVUHFLELyODFDOL¿FDFLyQ$¢&XiOHVODSXQWXDFLyQPtQLPDTXHXQHVWXGLDQWHGHELy WHQHUSDUDUHFLELUXQD$" 109. Si las estaturas de 10.000 alumnos universitarios tienen una distribución normal, con media de 169 centímetros y desviación estándar de 2,5 centímetros. D ¢&XiQWRVDOXPQRVWHQGUiQSRUORPHQRVFHQWtPHWURV" E ¢&XiOHVHOLQWHUYDORTXHLQFOX\HDOFHQWUDOGHDOXPQRV" www.FreeLibros.org 260 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO 110. Tres estudiantes presentan varios exámenes. A, obtiene un puntaje de 72; B, de 85 y C, de 17. Todos los estudiantes que presentaron el examen A, obtuvieron un promedio de 85, los que presentaron B, de 90 y los de C, promediaron 25. Las respectivas desviaciones estándar fueron 7,3 y 7. Disponga a los estudiantes en orden de capacidad, juzgada por estos resultados. 111. Al calibrar ciruelas cocotas, cuyos pesos están distribuidos normalmente, un 20% es pequeño; 55% mediano; 15% grande y 10% extra grande. Si el peso medio de las ciruelas es de 4,83 onzas, con XQDGHVYLDFLyQHVWiQGDUGHRQ]DV¢&XiOHVVRQORVOtPLWHVVXSHULRUHLQIHULRUGHOSHVRGHODV FLUXHODVPHGLDQDV" 112. Un conjunto de 10.000 observaciones tiene una distribución normal con media de 450. Si 1.700 de HOODVHVWiQFRPSUHQGLGDVHQWUH\¢FXiOHVODGHVYLDFLyQHVWiQGDU" 113. En una distribución normal que tiene una desviación estándar de 2,00, la probabilidad de que el valor de una variable, elegida al azar, sea mayor de 28, es 0,03. a) Calcule la media de la distribución. b) Obtenga el valor de la variable que supera el 95% de los valores. 114. En un examen la nota media fue de 70,0 y la desviación estándar 10,0. El profesor da a todos los HVWXGLDQWHVFRQQRWDVGHDODFDOL¿FDFLyQ&+XERDOXPQRVFRQ&6LVHVXSRQHTXHODV FDOL¿FDFLRQHVVLJXHQXQDGLVWULEXFLyQQRUPDO¢FXiQWRVDOXPQRVVHH[DPLQDURQ" 115. En una distribución normal con media 15,00 y desviación estándar 3,50, se sabe que 647 REVHUYDFLRQHVVRQPD\RUHVD¢&XiOHVHOQ~PHURWRWDOGHREVHUYDFLRQHV" 8QSURIHVRUFDOL¿FDXQGHORVH[iPHQHVFRQ$FRQ%FRQ&FRQ'\FRQ E. Se obtiene 68,0 como promedio en un examen. Si el límite entre C y B es de 78,0 en ese examen \VLODVFDOL¿FDFLRQHVHVWiQQRUPDOPHQWHGLVWULEXLGDV¢FXiOHVODGHVYLDFLyQHVWiQGDUGHOFXUVR" 117. La estatura de un número de estudiantes está distribuida normalmente con una media de 168,50 FHQWtPHWURV 6L XQ PLGH SRU OR PHQRV FHQWtPHWURV ¢&XiO HV OD GHVYLDFLyQ GH HVWD GLVWULEXFLyQ" 118. En una distribución normal con media de 100 y desviación estándar de 53, existen 135 observaciones PD\RUHVGH¢&XiQWDVREVHUYDFLRQHVKD\HQWUH\" 119. En una distribución normal, con media 72,0 y desviación estándar 12,0, existen 220 observaciones HQWUH\¢&XiQWDVREVHUYDFLRQHVFRPSUHQGHWRGDODGLVWULEXFLyQ" 120. En una distribución normal con media de 120 y desviación estándar de 30,0 existen 300 observaciones HQWUH\¢&XiQWDVREVHUYDFLRQHVH[LVWHQHQWUH\" (QXQH[DPHQGHOFXUVRREWXYRXQDFDOL¿FDFLyQGH$GH%GH&GH'\ GH(/DFDOL¿FDFLyQ&LQFOX\HGHVGHDSXQWRV(QHOVXSXHVWRGHXQDGLVWULEXFLyQQRUPDO ¢FXiOHVODPHGLD\ODGHVYLDFLyQHVWiQGDUGHODVFDOL¿FDFLRQHV" 122. Si la distribución de los períodos de duración de cajas telefónicas metálicas es tal que el 9,51% H[FHGHORVDxRV\HOORVDxRV¢FXiOHVODPHGLD\ODGHVYLDFLyQHVWiQGDUVLVHDGPLWH TXHODGLVWULEXFLyQHVQRUPDO" www.FreeLibros.org CAPÍTULO SEIS DISTRIBUCIONES DE PROBABILIDAD 261 123. En promedio, el 10% de las varillas de madera usadas en cierto producto son demasiado nudosas SDUDXVDUODV¢&XiOHVODSUREDELOLGDGGHTXHHQXQSDTXHWHGHYDULOODVD H[DFWDPHQWHVHDQ demasiado nudosas; b) por lo menos 10 estén demasiado nudosas; c) no más de 4 estén demasiado QXGRVDV" &RPRUHJODGHORVSURGXFWRVPDQXIDFWXUDGRVSRUXQFLHUWRWRUQRVRQGHIHFWXRVRV¢FXiOHVOD probabilidad de que en 20 de estos productos haya: a) exactamente 15 defectuosos; b) menos de 6 GHIHFWXRVRVF SRUORPHQRVGHIHFWXRVRV" (QSURPHGLRHOGHODVYDULOODVGHPDGHUDXVDGDVHQFLHUWRSURGXFWRVRQGHPDVLDGRQXGRVDV¢&XiO HVODSUREDELOLGDGGHTXHHQXQSDTXHWHGHYDULOODVH[DFWDPHQWHHVWpQGHPDVLDGRQXGRVDV" &RPRUHJODHOGHFLHUWRVSURGXFWRVPDQXIDFWXUDGRVSRUXQWRUQRVRQGHIHFWXRVRV¢&XiOHVOD SUREDELOLGDGGHTXHHQGHHVWRVSURGXFWRVKD\DGHIHFWXRVRV" (OGHFLHUWDVXQLGDGHVFRPSUDGDVSRUXQDOPDFpQVRQLQDGHFXDGDVSDUDODYHQWD¢&XiOHVOD probabilidad de que: a) 42 o menos resulten inadecuadas en un lote de 500; E PHQRVGHVHDQLQDGHFXDGDVHQXQORWHGH" 128. Al inspeccionar 2.330 soldaduras producidas por cierto tipo de máquina se encontraron 448 uniones GHIHFWXRVDV$OUHYLVDUVROGDGXUDV¢FXiOHVODSUREDELOLGDGGHHQFRQWUDUyPiVGHIHFWXRVDV" 129. La probabilidad de que un alumno que entra al primer semestre se gradúe, es de 0,4. Encuentre la probabilidad de que de 5 amigos que entran al primer semestre: a) solamente uno se gradúe; b) ninguno se gradúe. 6LHQJHQHUDOHOGHORVSDFLHQWHVDIHFWDGRVSRUXQDHQIHUPHGDGPXHUHQGHHOOD¢&XiOHVOD SUREDELOLGDGGHTXHHQXQJUXSRGHPXHUDQ" 8QDFDMDFRQWLHQHERPELOODV(OGHHOODVVRQGHIHFWXRVDV¢FXiOHVODSUREDELOLGDGGHTXH XQDPXHVWUDDOD]DUGHERPELOODVFRQWHQJDPHQRVGHGHIHFWXRVDV" /DWDVDGHPRUWDOLGDGSDUDFLHUWDHQIHUPHGDGHVSRU¢&XiOHVODSUREDELOLGDGGHTXH PXHUDQGHHVWDHQIHUPHGDGHQXQJUXSRGH" 6LODGLVWULEXFLyQGH;HVQRUPDOFRQPHGLD \ı KDOODUD 3(x>0) b) P(0,2 < x < 1,8) 134. Pruebas realizadas en bombillas eléctricas de cierta marca, indican que el período de duración se distribuye normalmente con media igual a 1.860 horas y desviación estándar igual a 68 horas. Estimar el porcentaje de bombillas con una duración de: a) más de 2.000 horas; b) menos de 1.750 horas. 135. El tiempo empleado para ir de un hotel al aeropuerto por la ruta A se distribuye normalmente, con media igual a 27 minutos y desviación típica igual a 5 minutos; por la ruta B la distribución HVQRUPDOFRQPHGLDLJXDOD\GHVYLDFLyQWtSLFDLJXDOD¢4XpUXWDFRQYLHQHXWLOL]DUVLVH dispone de: D PLQXWRVE PLQXWRV" www.FreeLibros.org 262 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO 6H VDEH TXH OD GXUDFLyQ GH ODV FRQYHUVDFLRQHV WHOHIyQLFDV HQ XQD R¿FLQD WLHQH XQD GLVWULEXFLyQ QRUPDOFX\DPHGLDHV\GHVYLDFLyQHVWiQGDUGHPLQXWRV¢&XiOHVODSUREDELOLGDGGHTXHXQD FRQYHUVDFLyQGXUHPiVGHFLQFRPLQXWRV" /RVLQJUHVRVHQFLHUWRVHFWRUHFRQyPLFRVHGLVWULEX\HQQRUPDOPHQWH/DFODVL¿FDFLyQGHORVJUXSRV económicos de mayor a menor ingreso son los siguientes: GRUPO A B C D E % DE INDIVIDUOS EN EL GRUPO 10 19 40 20 11 Si el ingreso del grupo C está comprendido entre $ 750.000 y $ 780.000 mensuales, calcule la media y la desviación estándar de los ingresos mensuales del sector. 138. Encontrar la probabilidad de que las 5 primeras personas que se encuentren cierto día, por lo menos 3 hayan nacido en domingo: a) mediante el método exacto (binomial). b) mediante el método aproximado (normal). c) mediante la distribución de Poisson. ¢&XiO HV OD SUREDELOLGDG GH TXH SHUVRQDV GH XQD SREODFLyQ GH GH ODV FXDOHV VRQ IXPDGRUDVVHDQWRGDVIXPDGRUDV" 140. En una distribución normal que tiene una desviación estándar de 2, la probabilidad de que el valor de una variable al azar sea mayor de 30 es de 0,05. a) Calcule la media de la distribución; b) Obtenga el valor de la variable que es superado por el 95% de los valores. 8QLQGXVWULDOVDEHTXHHQSURPHGLRXQGHVXVSURGXFWRVHVGHIHFWXRVR¢&XiOHVODSUREDELOLGDG GHTXHXQORWHGHSLH]DVWHQJDSRUORPHQRVGHIHFWXRVDV" 142. Un conjunto de 10.000 observaciones tiene una distribución normal con media 450. Si 1.900 GHHOODVHVWiQFRPSUHQGLGDVHQWUH\D ¢FXiOHVODGHVYLDFLyQHVWiQGDU"E ¢FXiQWDV REVHUYDFLRQHVKD\HQWUH\" 8QSDUGHGDGRVSHUIHFWRVVHODQ]DQYHFHV¢&XiOHVODSUREDELOLGDGGHTXHODVXPDGHVXVFDUDV GpXQYDORUGHGHRGHDSDUH]FDQYHFHVRPiV" 144. Una fábrica de aluminio produce, entre otras cosas, cierto tipo de canal de una aleación de aluminio. Por experiencia se sabe que la rapidez, medida en psi efectivos, está normalmente distribuido, FRQ PHGLD SVL \ GHVYLDFLyQ HVWiQGDU GH SVL ¢&XiO HV OD SUREDELOLGDG GH TXH OD FDQDO VHOHFFLRQDGDWHQJDXQYDORUVXSHULRUD\PHQRVGHSVL" $OKDFHUJLUDU LPSXOVDU ODÀHFKDGHXQDUXOHWDVXSXQWDLQGLFDGRUDWLHQHODPLVPDSUREDELOLGDG GHGHWHQHUVHHQFDGDXQRGHORVFXDWURFXDGUDQWHV6LODÀHFKDVHKDFHJLUDUYHFHV¢FXiOHVOD SUREDELOLGDGGHTXHVXSXQWDVHGHWHQJDPHQRVGHYHFHVHQHOSULPHUFXDGUDQWH" www.FreeLibros.org CAPÍTULO SEIS DISTRIBUCIONES DE PROBABILIDAD 263 146. En una distribución con media 15 y desviación estándar 3,5, se sabe que 647 observaciones son PD\RUHVTXH¢&XiOHVHOQ~PHURWRWDOGHREVHUYDFLRQHV" 147. El gerente de crédito de un almacén de artículos electrodomésticos estima las pérdidas por malos clientes durante el año, en la siguiente forma: la pérdida tiene distribución normal con media de $50.000; además, la probabilidad de que sea mayor de $60.000 y menor de $40.000 es de 0,40, ¢FXiOHVODGHVYLDFLyQHVWiQGDU" 148. La vida útil de las pilas de cierta marca están distribuidas normalmente. Si el 7,68% de las pilas GXUDQ PiV GH KRUDV \ GXUDQ PHQRV GH KRUDV ¢FXiO HV OD PHGLD \ OD GHVYLDFLyQ HVWiQGDU" 149. La taberna Sancho ha instalado una máquina automática para la venta de sifón. La máquina puede regularse de modo que la cantidad media de sifón sea la que se desee; sin embargo, en cualquier caso esta cantidad tendrá una distribución normal, con una desviación estándar de 5,9 cm3. a) Si el nivel se ajusta 304,6 cm3¢TXpSRUFHQWDMHGHORVYDVRVFRQWHQGUiQPHQRVGHFP3" E ¢$TXpQLYHOPHGLRGHEHDMXVWDUVHODPiTXLQDSDUDTXHVyORHOGHORVYDVRVFRQWHQJDQ menos de 295 cm3" F ¢$TXpQLYHOPHGLRGHEHDMXVWDUVHODPiTXLQDSDUDTXHHOGHORVYDVRVFRQWHQJDQPHQRV de 313,46 cm3" 150. La duración de las pilas Gato están distribuidas normalmente con una media de 80 horas y una varianza de 100 horas. El fabricante garantiza que reemplazará cualquier pila que falle antes de cumplirse la garantía. D ¢&XiQWRWLHPSRGHEHGDUGHJDUDQWtDGHPRGRTXHQRPiVGHOGHODVSLODVIDOOHQDQWHVGHHVH WLHPSR" E 6LHQXQDVHPDQDYHQGHSLODV¢FXiQWDVUHHPSOD]DUi" 151. En una fábrica, el tiempo para producir un artículo está distribuido normalmente, con un promedio de 50 minutos y una varianza de 25 minutos. Se debe fabricar una partida de 80.000 artículos. D ¢&XiQWRVDUWtFXORVUHTXHULUiQGHXQWLHPSRGHIDEULFDFLyQPD\RUGHPLQXWRV" E ¢&XiQWRV DUWtFXORV UHTXHULUiQ GH XQ WLHPSR GH IDEULFDFLyQ QR LQIHULRU D ORV PLQXWRV QL VXSHULRUDORVPLQXWRV" c ) El 50% de los artículos requerirán de un tiempo de fabricación entre X1 y X2 minutos. Determine los valores de X1 y X2, si ellos son simétricos con respecto al tiempo medio. 152. Un fabricante de transformadores de corriente, asegura que los aparatos que vende tienen una vida útil media de 80.000 horas y una desviación estándar de 8.000. Suponiendo que esta vida útil está distribuida normalmente. D ¢&XiOHVODSUREDELOLGDGGHTXHXQWUDQVIRUPDGRUGXUHPiVGHKRUDV" b) El 50% de los transformadores duran entre X y X horas. Encuentre los valores de X1 y X2, si ellos son simétricos respecto a la media. c) El fabricante garantiza que reemplazará gratis cualquier transformador cuya duración sea inferior a X. Determine el valor de X de modo que tenga que reemplazar sólo el 1% de los transformadores. www.FreeLibros.org 153. Una compañía de seguros considera que más o menos al 0,05 de la población le ocurre cierto tipo GHDFFLGHQWHVFDGDDxR/DHPSUHVDWLHQHDVHJXUDGRVFRQWUDHVWHWLSRGHDFFLGHQWHV¢&XiOHV ODSUREDELOLGDGGHTXHFRPRPi[LPRGHHOORVVXIUDQHVWHDFFLGHQWH" 264 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO 154. Si en la producción diaria de envases metálicos de una fábrica se sabe que el 1% son defectuosos, ¢&XiOHVODSUREDELOLGDGTXHGHHQYDVHVSURGXFLGRVHQXQGtD a) por lo menos tres no sean buenos. E FyPRPi[LPREXHQRV" 6HVDEHTXHHOGHORVHVWXGLDQWHVGHXQDXQLYHUVLGDGXVDDQWHRMRV¢&XiOHVODSUREDELOLGDGGH TXHHQXQFXUVRGHDOXPQRVD SRUORPHQRVFLQFRGHHOORVXVHQJDIDVE PiVGHQRODVXVHQ" (QH[DPHQSUDFWLFDGRDHVWXGLDQWHVODFDOL¿FDFLyQSURPHGLRIXHGH\ODGHVYLDFLyQWtSLFD GH6LODVFDOL¿FDFLRQHVVHGLVWULEX\HQQRUPDOPHQWH ¢&XiQWRVHVWXGLDQWHVREWXYLHURQ D FDOL¿FDFLRQHVHQWUH\E FDOL¿FDFLRQHVHQWUH\F FDOL¿FDFLRQHVGH\PiV" 157. Si la estatura promedio de un grupo de 1.000 personas fueron de 160 centímetros y la varianza de DGHPiVVHVDEHTXHVHGLVWULEX\HURQQRUPDOPHQWH¢&XiQWDVSHUVRQDVPLGHQ a) entre 140 y 165 centímetros. b) entre 170 y 180 centímetros. F \PiV G \PHQRV" 158. Un taller de reparación de televisores a color, gasta en promedio 45 minutos en el arreglo de un aparato, con una desviación típica de ocho minutos. Si la población se distribuye normalmente. ¢FXiOHVODSUREDELOLGDGGHTXHHQHODUUHJORGHXQWHOHYLVRUVHJDVWHQPiVGHPLQXWRV" 159. La vida útil de las pilas de cierta marca están distribuidas normalmente; si el 6,88% de las pilas duran más de 56 horas y el 30,85% duran menos de 52 horas, D ¢&XiOHVODPHGLD\ODGHVYLDFLyQWtSLFD" E 6LVHWLHQHQSLODV¢FXiQWDVGHHOODVHVSHUDPRVTXHWHQJDQXQDGXUDFLyQVXSHULRUDODV KRUDV" 160. Una cuarta parte de los documentos archivados diariamente por un empleado de un departamento de YHQWDVVHKDFHHTXLYRFDGDPHQWH6LHQXQGtDVHDUFKLYDQGRFXPHQWRV¢FXiOHVODSUREDELOLGDG de que: a) por lo menos 18 documentos sean mal archivados. b) exactamente 16 documentos sean mal archivados. F H[DFWDPHQWHGRFXPHQWRVVHDQFRUUHFWDPHQWHDUFKLYDGRV" 161. Si la vida media de una batería de 12 voltios, es de 30 meses, con una desviación típica de 6 meses: a) determine qué porcentaje de baterías dura menos de 18 meses; E VLODJDUDQWtDHVWDEOHFHHOFDPELRGHODEDWHUtDVLVXGXUDFLyQHVPHQRUGHPHVHV¢FXiQWDV EDWHUtDVWHQGUiTXHFDPELDUXQDOPDFpQGHYHQGLGDVHQHOWULPHVWUH" 162. La duración de ciertas pilas para radio transistor, están distribuidas normalmente; si el 2,28% duran más de 4,26 meses y 5,36% duran menos de 1,25 meses, determine la duración media y la desviación estándar. 163. El peso medio de una fruta es de 4 libras. El 15% de esas frutas pesan menos de 3 libras. Suponiendo TXHORVSHVRVHVWiQGLVWULEXLGRVQRUPDOPHQWH¢FXiOHVODGHVYLDFLyQWtSLFD" www.FreeLibros.org CAPÍTULO SEIS DISTRIBUCIONES DE PROBABILIDAD 265 164. Un fabricante de juguetes considera que el lanzamiento de un nuevo juguete para navidad producirá una venta promedio de 80.000 unidades, si además piensa que las ventas están distribuidas QRUPDOPHQWH\TXHH[LVWHXQDSUREDELOLGDGGHOGHYHQGHUPiVGHXQLGDGHV¢&XiOHV ODGHVYLDFLyQHVWiQGDU" 8QDDVLJQDWXUDVHFDOL¿FDGHD\DO¿QDOGHOFXUVRVHREVHUYDTXHODVFDOL¿FDFLRQHVHVWiQ distribuidas normalmente con una media de 72 y una desviación estándar de 10. D 6LHOSRUFHQWDMHPtQLPRSDUDDSUREDUHV¢FXiOHVODSUREDELOLGDGGHIUDFDVRV" E 6LHOGHORVHVWXGLDQWHVGHHVDDVLJQDWXUDGHEHQVHUDSUREDGRV¢&XiOGHEHVHUODFDOL¿FDFLyQ PtQLPDDSUREDWRULD" 6H KD FRPSUREDGR TXH HO WLHPSR QHFHVDULR SDUD DWHQGHU D XQ FRQWULEX\HQWH HQ XQD R¿FLQD GH recaudación de impuestos nacionales está normalmente distribuida, con media de 15 minutos y GHVYLDFLyQ WtSLFD GH PLQXWRV ¢&XiO HV OD SUREDELOLGDG GH TXH XQ FRQWULEX\HQWH VHOHFFLRQDGR aleatoriamente: a) requiera menos de 10 minutos para terminar su diligencia. E GXUHPiVGHPLQXWRVHQODYHQWDQLOOD" 167. Una fábrica de cemento empaca su producto en bolsas cuyo peso está distribuido normalmente, con una media de 50 kilos y una varianza de 4 kilos. Encuentre la probabilidad de sacar una bolsa que contenga: a) por lo menos 51 kilos. b) como máximo 51 kilos. c) de 49 a 52 kilos. 168. La inspección de bolsas de 20 kilos de arroz conducen al resultado de que el 60% pesan entre 19,20 y 20,80 libras; calcule la varianza, suponiendo que la distribución es normal. 169. La fábrica de refresco Tan envasa su producto en frascos cuyo peso neto tiene distribución normal, con desviación típica de 6,3 gramos. Si el 8% de los frascos tienen un peso mayor de 142 gramos. ¢&XiOHVHOSHVRPHGLRGHHOORV" 170. El gerente de producción de una fábrica de bombillas, estima que la vida útil del producto está distribuida normalmente, con una media de 5.000 horas. Si, además, el gerente considera que hay una probabilidad del 60% de que la bombilla dure más de 5.568 y menos de 4.432 horas, D ¢&XiOHVODGHVYLDFLyQWtSLFD" E 6LHQXQGtDVHSURGXFHQXQLGDGHV¢FXiQWDVHVSHUDPRVTXHWHQJDQXQDGXUDFLyQHQWUH \KRUDV" 171. En una clínica de los Seguros Sociales, se establece que el período de hospitalización está distribuido QRUPDOPHQWHFRQXQDPHGLDGHGtDV\XQDGHVYLDFLyQWtSLFDGHGtDV¢&XiOHVODSUREDELOLGDG de que un individuo que sea internado permanezca, D SRUORPHQRVFXDWURGtDV E QRPiVGHQXHYHGtDV" 172. Dado un cuestionario de cierto o falso de 100 preguntas, determinar la probabilidad de que una persona acierte, a) por lo menos 60 preguntas. b) no menos de cuarenta ni más de 60. c) si se presentan 1.000 estudiantes al examen, cuántos esperamos que presenten el resultado del SXQWRE" www.FreeLibros.org 266 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO /RVLQJUHVRVGHXQJUXSRHFRQyPLFRVHGLVWULEX\HQQRUPDOPHQWH/DFODVL¿FDFLyQGHORVJUXSRV económicos, de mayor a menor ingreso, es la siguiente: GRUPO: A B C D E PORCENTAJE: 8 16 42 20 14 El grupo C está comprendido entre $736.500 y $760.000 quincenales. a) Calcular la media y desviación estándar. E 6LHQHVHVHFWRUVHRFXSDQSHUVRQDV¢FXiQWDVVHHVSHUDQTXHWHQJDQXQLQJUHVRVXSHULRU DTXLQFHQDOHV" /RVLQJUHVRVHQFLHUWRVHFWRUHFRQyPLFRVHGLVWULEX\HQQRUPDOPHQWHODFODVL¿FDFLyQGHORVJUXSRV económicos de mayor a menor ingreso, son los siguientes: GRUPO: A B C D E PORCENTAJE: 8 16 38 24 14 Si el ingreso del grupo C está comprendido entre $590.000 y $860.000 semanales, a) calcular la media aritmética y la desviación típica. E VL HQ GLFKR VHFWRU VH RFXSD XQ WRWDO GH SHUVRQDV ¢FXiQWDV HVSHUDPRV TXH WHQJDQ XQ LQJUHVRLQIHULRUDORV" 175. La duración de ciertas pilas de radio transistor, están distribuidas normalmente. Si el 2,30% duran PHQRVGHPHVHV\PiVGHPHVHVD ¢&XiOHVODPHGLD\ODGHVYLDFLyQHVWiQGDU" E 6LVHWLHQHQSLODV¢FXiQWDVHVSHUDPRVTXHWHQJDQXQDGXUDFLyQVXSHULRUDORVPHVHV" 6HVDEHTXHHOGHORVHVWXGLDQWHVGHXQFXUVRDSUXHEDQHOVHPHVWUH¢&XiOHVODSUREDELOLGDGGH TXHRPiVGHXQWRWDOGHQRDSUXHEHQ" 177. Un conjunto de 20.000 observaciones tiene una distribución normal con media de 480. Si 4.000 están comprendidas entre 470 y 490, D ¢FXiOHVODGHVYLDFLyQHVWiQGDU" E ¢FXiQWDVREVHUYDFLRQHVKD\HQWUH\" 6L ODV FDOL¿FDFLRQHV REWHQLGDV HQ XQ H[DPHQ FRQ QRWDV HQWUH \ WLHQHQ XQD GLVWULEXFLyQ QRUPDOFRQPHGLD \GHVYLDFLyQHVWiQGDULJXDOD ¢&XiOHVODFDOL¿FDFLyQPtQLPDTXH debe recibir un alumno, para estar dentro del 10% de los alumnos que obtuvieron las notas más DOWDVHQHOH[DPHQ"E ¢6LHQWUHODVFDOL¿FDFLRQHV\KD\DOXPQRVFXiQWRVWLHQHHOFXUVR" F ¢&XiOHVODPi[LPDQRWDTXHGHEHUHFLELUXQHVWXGLDQWHSDUDHQFRQWUDUVHHQWUHHOGHORV DOXPQRVFRQODVQRWDVPiVEDMDVGHOH[DPHQ" 179. El propietario de un restaurante ha determinado que la demanda diaria de carne molida en su negocio tiene una distribución normal, con una media de 240 kg y una varianza de 529 kg2¢4Xp cantidad de carne molida debe estar disponible diariamente, para que la probabilidad de que se DJRWHODGRWDFLyQQRVHDPD\RUGHO" www.FreeLibros.org 180. El control de inventarios en las librerías universitarias es un problema bastante complicado. Si se piden pocos ejemplares de un determinado libro, los costos aumentan, por lo que es necesario hacer pedidos grandes. Si se piden demasiados ejemplares, se corre el riesgo de que el libro no se requiera como CAPÍTULO SEIS DISTRIBUCIONES DE PROBABILIDAD 267 WH[WRHQHOIXWXURORTXHGL¿FXOWDUiVXYHQWD6XSRQJDTXHHOSURPHGLRGHDOXPQRVPDWULFXODGRVHQ estadística, en la universidad durante un semestre, tiene una distribución normal, con media de 150 DOXPQRVSRUVHPHVWUH\XQDGHVYLDFLyQWtSLFDGHHVWXGLDQWHV¢&XiQWRVOLEURVGHWH[WRVHGHEHQ SHGLUSDUDTXHODSUREDELOLGDGGHTXHVHWHUPLQHQODVH[LVWHQFLDVQRVHDPD\RUGH" 181. La duración de un determinado tipo de lavadora automática, tiene una distribución aproximadamente normal, con una media de 3,1 años y una desviación típica de 14,4 meses. Si la lavadora está garantizada por un año, D ¢TXpSURSRUFLyQGHOWRWDOGHXQLGDGHVYHQGLGDVWHQGUiQTXHVHUUHHPSOD]DGDV" E 6LVHYHQGLHURQ¢FXiQWDVGHHOODVVHUiQUHHPSOD]DGDV" (QXQH[DPHQODQRWDPHGLDIXHGH\ODGHVYLDFLyQHVWiQGDUGH/DFDOL¿FDFLyQ&FRUUHVSRQGH a notas entre 3,05 y 3,95. Hubo 24 alumnos con nota C. D ¢&XiQWRVDOXPQRVVHH[DPLQDURQ" E ¢&XiQWRVSHUGLHURQODPDWHULDVLSDUDJDQDUVHUHTXLHUHREWHQHUXQ" 183. En una distribución normal, que tiene desviación típica 10, la probabilidad de que el valor de la variable sea mayor de 65 es 0,19. a) Calcular la media de la distribución b) Obtener el valor de la variable que supere al 75% de los valores. 184. El gerente de producción de una fábrica de bombillas, estima que la vida útil del producto está distribuida normalmente con una media de 5.000 horas. Se estima que hay una probabilidad del 60% de que la bombilla dure menos de 5.568 horas. D ¢&XiOHVODGHVYLDFLyQWtSLFD" E 6LHQXQGtDVHSURGXFHQXQLGDGHV¢&XiQWDVHVSHUDPRVTXHGXUHQPiVGHKRUDV" 185. En una distribución normal que tiene una desviación típica de 10, la probabilidad de que el valor de una variable sea mayor de 65 es de 0,15, a) Calcular la media de la distribución. b) Obtener el valor de la variable que es superado por el 75% de los valores. 186. Las cajas de cartón que contienen un determinado producto pesan en promedio 300 kg cada una y WLHQHQXQDYDULDQ]DGHNJ¢&XiOHVODSUREDELOLGDGGHTXHHOSHVRGHXQDFDMDVHDVXSHULRUD NJ" EJERCICIOS MISCELÁNEOS La gran mayoría de los ejercicios de este libro, se encuentran resueltos en el Sistema de Información en Línea SIL. 187. Una máquina vendedora de café puede regularse de modo que, en promedio, sirva µ onzas de café por taza. Si las onzas servidas por taza tiene una distribución normal, con desviación estándar 0,25 onzas por taza, encuentre el valor de µ que permitirá que una taza de 7 onzas se derrame el 0,5% de las veces. www.FreeLibros.org 188. Si los ingresos de los miembros de una comunidad se distribuyen normalmente con una media de \XQDGHVYLDFLyQHVWiQGDUGHD ¢&XiOHVHOLQJUHVRPtQLPRTXHGHEHUiWHQHU 268 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO XQPLHPEURGHHVWDFRPXQLGDGSDUDSHUWHQHFHUDOVXSHULRU"E ¢&XiOHVHOPi[LPRLQJUHVR FRUUHVSRQGLHQWHDOFHQWUDO" 189. El gerente de producción de una fábrica de bombillas estima que la vida útil del producto está distribuida normalmente con una media de 5.000 horas. Si, además el gerente estima que hay una probabilidad del 60% de que la bombilla dure más de 5.568 horas y menos de 4.432, D ¢&XiOHVODGHVYLDFLyQHVWiQGDU" E 6L HQ XQ GtD VH SURGXFHQ XQLGDGHV ¢FXiQWDV GH HOODV HVSHUDPRV TXH WHQJDQ XQD YLGD LQIHULRUDODVKRUDV" 190. La vida útil de cierto producto está distribuida normalmente. Si el 17,68% de ellas duran más de 540 horas y el 69,83% duran menos de las 486 horas, D ¢&XiOHVODPHGLD\GHVYLDFLyQHVWiQGDU" E 6LVRQUHHPSOD]DGDVDTXHOODVXQLGDGHVFRQXQDYLGDLQIHULRUGHKRUDV¢FXiQWDVVHUHHPSOD]DUiQ VLVHKDQYHQGLGR" 191. Explique brevemente qué se entiende por: a) Distribución probabilística. b) Variable aleatoria discreta. c) Variable aleatoria continua. 192. Establezca los requisitos o condiciones requeridas en la: a) Distribución Binomial. b) Distribución de Poisson. c) Distribución Hipergeométrica. 193. Explique brevemente en qué forma sirven de modelos las distribuciones probabilísticas. 194. Se quiere promocionar un producto especialmente para colocar en la lonchera de los niños que LQLFLDQVXVHVWXGLRV6HSUREyHOSURGXFWRHQXQJUXSRGHQLxRVD¿UPDURQTXHOHVDJUDGDED\ los restantes indicaron lo contrario. Suponga que se seleccionaron 4 personas en dos oportunidades, ODSULPHUDFRQUHSRVLFLyQ\HQODVHJXQGDVLQUHSRVLFLyQ¢FXiOHVODSUREDELOLGDG D GHTXHPi[LPRDGRVOHVDJUDGHE SRUORPHQRVDWUHVQROHVDJUDGH" 195. En un intento por burlar la vigilancia en la aduana de un aeropuerto, un viajero colocó 6 tabletas de narcótico en un frasco que contiene 9 pastillas de vitamina de apariencia semejante. Si el agente DQWLQDUFyWLFRVVHOHFFLRQDDOD]DUWUHVWDEOHWDV¢FXiOHVODSUREDELOLGDGGHQRDUUHVWDUDOYLDMHURSRU SRVHVLyQLOHJDOGHQDUFyWLFRV" 196. El número de radios que en promedio vende una compañía por día es de 1,5. Calcular la probabilidad de que la compañía venda por lo menos cuatro radios durante un período, a) de dos días. b) de tres días. c) de cuatro días. 197. En una reciente encuesta gubernamental se encontró que el 80% de las familias que viven en una comunidad sub-urbana, y cuyos ingresos son superiores a los $860.000, poseen dos hijos. Suponiendo que el estudio esté en lo cierto, si se selecciona una muestra de 10 familias de esta categoría, obtenga la probabilidad de que: a) por lo menos el 20% de los que integran dicha muestra tengan dos hijos. b) como máximo, dos tengan un número de hijos diferentes a dos. www.FreeLibros.org 198. En una planta industrial, los lotes grandes de artículos recibidos se inspeccionan para detectar los defectuosos por medio de un esquema de muestreo. Se examinan 10 artículos y el lote será CAPÍTULO SEIS DISTRIBUCIONES DE PROBABILIDAD 269 rechazado si se encuentran dos o más artículos defectuosos. Si un lote contiene exactamente 5% de defectuosos. D ¢&XiOHVODSUREDELOLGDGGHTXHHOORWHVHDDFHSWDGR" E ¢&XiOHVODSUREDELOLGDGGHTXHHOORWHVHDUHFKD]DGR" 6XSRQJDPRVTXHSRUFLHUWDLQWHUVHFFLyQGHWUiQVLWRSDVDQHQSURPHGLRDXWRVSRUKRUD¢&XiOHV la probabilidad de que: D HQXQLQVWDQWHGHGRVPLQXWRVQRSDVHQLQJ~QDXWRSRUODLQWHUVHFFLyQ" E SRUORPHQRVGRVDXWRVWUDQVLWHQHQXQLQWHUYDORGHVHLVPLQXWRV" 200. De un inventario de 48 automóviles que se embarcan a distribuidores locales, 12 tienen instalados UDGLRVGHIHFWXRVRV¢&XiOHVODSUREDELOLGDGGHTXHFLHUWRGLVWULEXLGRUUHFLEDDXWRPyYLOHV a) todos con radios buenos. b) por lo menos uno con radio defectuoso. F FXiQWRVDXWRPyYLOHVFRQUDGLRVGHIHFWXRVRVVHHVSHUDQUHFLELU" 201. Por informes suministrados por las compañías de seguros, se sabe que en la ciudad, de cada 50 FRQGXFWRUHVGHYHKtFXORSDUWLFXODUWLHQHQVHJXURGHUHVSRQVDELOLGDGFLYLO6LHQXQ¿QGHVHPDQD DXWRVGHHVWDFLXGDGVHYHQLQYROXFUDGRVHQDFFLGHQWHVGHWUiQVLWR¢FXiOHVODSUREDELOLGDGGHTXH a) más de dos tengan seguro. b) por lo menos seis tengan seguro. F FyPRPi[LPRGRVQRWHQJDQVHJXUR" 202. El promedio mensual de robos en grandes almacenes de la ciudad, a pesar de la severa vigilancia es GH¢&XiOHVODSUREDELOLGDGGHTXH a) no haya robos en una quincena. b) más de dos robos en un período de dos meses. F FyPRPi[LPRGRVURERVHQXQPHV" 203. El 0,5% de las cartas que se envían por correo no llevan los timbres postales correctos. En 4.000, D ¢&XiQWDVFDUWDVFRQWLPEUHLQFRUUHFWRVHVSHUDUtDHQFRQWUDU" E ¢&XiOHVODSUREDELOLGDGGHHQFRQWUDUPiVGHGRVFDUWDVFRQWLPEUHVLQFRUUHFWRV" 204. El 12% de las personas que reservan cupos en vuelos de avionetas, a menudo no llegan a tiempo para abordarlas. La avioneta tiene capacidad para ocho pasajeros. (1) Obtener la probabilidad de que las 8 personas aborden la avioneta. (2) Si hicieron reservaciones cinco personas, encuentre la probabilidad de que: a) se quede una persona. b) no se quede ninguna. 205. Como resultado de la apertura económica, el 20% de las ventas de automóviles nuevos en Colombia son importados. Suponga que se seleccionan al azar 6 personas que han comprado automóvil nuevo GXUDQWHODVHPDQDSDVDGD¢&XiOHVODSUREDELOLGDGGHTXH a) más de 5 personas hayan comprado automóvil importado. E SRUORPHQRVSHUVRQDVKD\DQFRPSUDGRYHKtFXORGHIDEULFDFLyQQDFLRQDO" 8QDGHFDGDOiPSDUDVLQFDQGHVFHQWHVIDEULFDGDVSRUXQDFRPSDxtDVHIXQGHDQWHVGHO¿QDOGH su período de una semana, si se dejan encendidas todo el tiempo. Se instala una lámpara en cada XQRGHORVFLQFXHQWDSLVRVGHXQHGL¿FLR www.FreeLibros.org 270 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO ¢&XiOHVODSUREDELOLGDGDSUR[LPDGDGHTXH D VHIXQGDXQDOiPSDUDDO¿QDOGHODVHPDQD E PiVGHWUHVOiPSDUDVVHIXQGDQDO¿QDOGHODVHPDQD F PHQRVGHOiPSDUDVQRVHIXQGDQDO¿QDOGHODVHPDQD" 207. El tiempo necesario para atender un automóvil en una estación de gasolina, tiene una distribución normal, con media de 4,5 minutos y desviación estándar de 72 segundos. D ¢&XiOHVODSUREDELOLGDGGHTXHXQDXWRPyYLOVHOHFFLRQDGRHQIRUPDDOHDWRULDUHTXLHUDFXDQGR Pi[LPRPLQXWRVSDUDHOVHUYLFLR" E ¢&XiOGHEHVHUHOWLHPSRQHFHVDULRSDUDHOVHUYLFLRVLHOGHWRGRVORVDXWRPyYLOHVUHTXLHUHQ XQDFDQWLGDGPD\RUGHWLHPSR" 208. La puntuación media en una prueba de ingreso a la universidad es de 500 y la desviación estándar de 75. Las puntuaciones se distribuyen en forma normal. D ¢,QGLTXHODSXQWXDFLyQSRUGHEDMRGHODFXiOTXHGyHOGHORVHVWXGLDQWHV" E ¢,QGLTXHODSXQWXDFLyQSRUHQFLPDGHODFXDOREWXYRFDOL¿FDFLyQHOGHORVHVWXGLDQWHV" c) La universidad establece que los aspirantes con un puntaje entre 350 y 420 se pondrán en reserva RHVSHUDVLKD\DVSLUDQWHV¢FXiQWRVTXHGDUiQHQODFODVL¿FDFLyQGH³HVSHUD´" 209. Un almacén de electrodomésticos acaba de recibir una remesa de 20 aparatos de T.V. Poco después de recibirlos, el fabricante llamó para informar que por descuido se habían enviado 6 aparatos defectuosos. Se decidió probar dos de los aparatos. D ¢&XiOHVODSUREDELOLGDGGHTXHQLQJXQRGHORVGRVHVWpGHIHFWXRVR" E ¢4XpORVGRVHVWpQEXHQRV" 210. En una Universidad el Departamento de economía y matemáticas está conformado por 40 profesores, 12 de los cuales son de planta. El decano selecciona al azar 5 profesores del departamento para UHYLVDUHOSODQGHHVWXGLRV¢&XiOHVODSUREDELOLGDGGHTXH a) todos sean de planta. b) todos no sean de planta. F SRUORPHQRVGRVVHDQGHSODQWD" 211. Un colegio de la ciudad, cuenta con 18 buses para recoger y regresar los alumnos a su casa. Supongamos que 6 de ellos tienen problemas mecánicos. Se seleccionan 6 vehículos al azar para SUREDUORV¢&XiOHVODSUREDELOLGDGGHTXH D QLQJXQRWHQJDIDOODVPHFiQLFDV" E GRVGHHOORVWHQJDQIDOODVPHFiQLFDV" F SRUORPHQRVGRVQRWHQJDQIDOODV" 212. El grupo de secretarias de una empresa está conformada por 30 personas, 12 de las cuales llevan trabajando más de cinco años. Si la dirección requiere para un trabajo especial cinco secretarias y VRQHOHJLGDVDOD]DU¢FXiOHVODSUREDELOLGDGGHTXH a) ninguna de las secretarias tendrán más de 5 años de experiencia. b) dos de las secretarias tendrán más de 5 años de experiencia. F SRUORPHQRVXQDQRWHQGUiPiVGHDxRVGHH[SHULHQFLD" www.FreeLibros.org 213. Un determinado producto industrial se embarca en lotes de 30 unidades, con el propósito de minimizar el número de unidades defectuosas enviados a los diferentes distribuidores, se elaboró un CAPÍTULO SEIS DISTRIBUCIONES DE PROBABILIDAD 271 programa de inspección que consiste en tomar una muestra de 8 unidades de cada lote y rechazarlo si se observa más de cierto número de unidades defectuosas: a) Si la decisión es de rechazar el lote si se observa más de un artículo defectuoso en la muestra D VDELHQGDV GH TXH HO IDEULFDQWH HVWLPD TXH FDGD ORWH FRQWLHQH GHIHFWXRVRV ¢&XiO HV OD SUREDELOLGDGGHTXHVHDDFHSWDGR" E 6L HO IDEULFDQWH HVWLPD TXH FDGD ORWH WLHQH DUWtFXORV EXHQRV ¢FXiO HV OD SUREDELOLGDG GH DFHSWDUHOORWHFRQPHQRVGHGRVGHIHFWXRVRVHQXQDPXHVWUDGHRFKRDUWtFXORV" Síntesis de capítulo 1 Información que debe tenerse en cuenta en la solución de ejercicios sobre distribución probabilística, ya sea discreta o continua. DISTRIBUCIONES DE PROBABILIDAD 2. La distribución Binomial, Poisson y la Normal se aplican en aquellos experimentos que sólo tienen dos resultados, éxito o fracaso. 3. La distribución normal presenta las siguientes características: a) Simétrica. b) Es asintótica. c) El área bajo la curva, es aproximadamente del 100%. d) La media, se localiza en el centro de la campana. e) Se puede aplicar en los ejercicios de distribución Binomial, siendo su resultado un valor aproximado. www.FreeLibros.org 272 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO 4. La distribución Hipergeométrica se aplica al muestrear sin reposición. Por tanto la probabilidad de éxito no es constante. Su cálculo es tedioso cuando n es grande. En muchos casos sus resultados son casi iguales al de la Binomial, por lo tanto se procede a resolverlos por este último método. Las pruebas son dependientes. 5. La distribución de Poisson se aplica en ejercicios de Binomial, sólo cuando n es muy grande y la probabilidad de éxito es muy pequeña. 6. En la distribución Binomial, la probabilidad de éxito debe ser constante para cada ensayo sucesivo. 7. La Hipergeométrica se aplica cuando pueden ocurrir dos o más resultados. 8. Cada distribución normal TXHGD WRWDOPHQWH HVSHFL¿FDGD SRU VX PHGLD \ GHVYLDFLyQ estándar; por lo tanto se tendrá una distribución normal, diferente para cada media y su desviación estándar. www.FreeLibros.org CAPÍTULO UNO 7 CONCEPTOS GENERALES Distribuciones muestrales MUESTREO ALEATORIO % `k malgastar la energía o o 273 CONTENIDO Algunos conceptos generales y HVSHFt¿FRVVREUHHOPXHVWUHR Estimación puntual y de intervalos. Propiedades de un buen estimador. Teorema sobre el límite central. Distribuciones muestrales: Medias, Proporciones, Diferencias entre dos medias y dos proporciones. Tamaño óptimo en muestras aleatorias simples. Síntesis de la Unidad. Ejercicios para Resolver, resueltos en el Sistema de Información en Línea SIL. COMPETENCIAS El estudiante deberá estar en capacidad de: Manejar, comprender y utilizar términos, métodos y conceptos de muestreo. Entender, calcular y aplicar las distribuciones muestrales en casos prácticos. Explicar y utilizar el teorema del Límite central en el desarrollo de esta unidad. Comprender y explicar las condiciones requeridas por un buen estimador. Calcular el tamaño óptimo para una muestra. www.FreeLibros.org 274 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO ALGUNOS CONCEPTOS SOBRE MUESTREO Hoy, la estadística está considerada como la teoría de la información, no sólo como función descriptiva, sino con el objeto básico de hacer estimaciones acerca de los valores estadísticos de la población o en la comprobación de hipótesis de aquellas características que han sido investigadas. Se recomienda volver a leer el Capítulo 1, lo mismo que el Capítulo 13, donde se podrán ampliar estos conceptos de Muestreo, importantes para el desarrollo no sólo de este sino de los siguientes. De los anteriores contenidos se observa que la estadística cubre dos aspectos de gran importancia: la estadística descriptiva a través de la % % , ya sea en forma de cuadros RJUi¿FDVODaplicación de medidas como promedios, desviaciones, etc., y la interpretación y análisis de GDWRVD¿QGHREWHQHUFRQFOXVLRQHV6HUHDOL]DXQ proceso deductivo de lo general a lo particular. El segundo aspecto es la inferencia estadística o método inductivo, el cual, mediante investigaciones por muestreo, logra obtener resultados considerados como estimadores de los valores estadísticos, correspondientes a las características de las unidades que conforman la población, correspondiendo al método inductivo, que denominaremos inferencia. 6HSRGUtDD¿UPDUTXHODWDUHDPiVLPSRUWDQWHGHOD estadística es la realización de inferencias acerca de una población objetivo, con base en los resultados obtenidos a través de una muestra. +DFHPRVXQDSHTXHxDVtQWHVLVGHORVTXHFRQVLGHUDPRVTXHHODOXPQRGHEHUHFRUGDU\D¿DQ]DU Población o universoVHSXHGHGH¿QLUFRPRXQFRQMXQWRGHHOHPHQWRVRGHXQLGDGHVHQXQDSREODFLyQ El elemento o unidad puede ser una persona, familia, empresa, zona, animal u objeto. Del elemento se estudian sus característicaseVWDVVHFODVL¿FDQHQcualitativas o atributos, expreVDGDVSRUSDODEUDV\VHFXDQWL¿FDQPHGLDQWHHOFRQWHRRUHFXHQWRODV cuantitativas o variables expresadas en forma numérica, que pueden ser medidas (variable continua) o contadas (variable discreta). De acuerdo con lo anterior, la poblaciónSXHGHGH¿QLUVHFRPRXQFRQMXQWRGHPHGLGDVRHOUHFXHQWRGHWRGDVODVXQLGDGHVTXHSUHVHQWDQXQDFDUDFWHUtVWLFDFRP~Q6HSRGUtDGH¿QLUFRPRXQFRQMXQWRGH PHGLFLRQHV¿QLWRRLQ¿QLWRUHDORFRQFHSWXDO Marco muestral. Es un listado, actualizado y revisado, de todos los elementos que constituyen la población que va a ser objeto de investigación. También puede ser un mapa o croquis con las unidades GHVHOHFFLyQSOHQDPHQWHLGHQWL¿FDGDV Encuesta preliminar, piloto o pretest. Antes de iniciar la investigación, se recomienda realizar una SHTXHxDHQFXHVWDSUHOLPLQDUFRQHO¿QGHSUREDUHOFXHVWLRQDULRFRQRFHUPHMRUODSREODFLyQHQWUHQDUDO entrevistador, determinar el tiempo que requiere la entrevista y en especial tener un mayor conocimiento acerca de algunos parámetros. www.FreeLibros.org CAPÍTULO SIETE DISTRIBUCIONES MUESTRALES /DSREODFLyQVHFODVL¿FDHQ 275 Cuando se investigan las características de todas las unidades que constituyen la población o universo, nos referimos a una investigación total, exhaustiva o censo. Factores tales como: costo, tiempo, recursos humanos, poblaciones muy grandes % % características con gran homogeneidad, impiden la realización del censo. Se sustituye, entonces, por una investigación parcial o muestra. El objetivo principal de muestreo es considerar el mayor número de unidades con el menor costo posible. La muestra, para que sea representativa de la población, requiere que todas las unidades de la población tengan la misma probabilidad de ser seleccionadas, es decir, debe ser aleatoria, al azar o probabilística. El muestreo aleatorio, realizado bajo ciertas condiciones y sometido a cumplir ciertos requisitos, se constituye en un procedimiento práctico, económico y rápido para generalizar conclusiones obtenidas a través de una muestra, aplicables a toda la población de la que forma parte, dentro de ciertos límites de FRQ¿DELOLGDGHVWDEOHFLGRVGHDQWHPDQR Dentro del Muestreo aleatorio, se tienen los siguientes métodos: Muestreo aleatorio simple o muestreo aleatorio irrestricto, en el cual se da igual oportunidad de selección a cada elemento o unidad dentro de la población. 4 (Asignación igual, proporcional y óptimo), garantiza la representatividad, reduciendo el error de la muestra al formar grupos o subpoblaciónes más o menos homogéneas, en cuanto a su composición interna y heterogénea cuando se comparan entre sí. Muestreo por conglomerados, . Cuando la unidad básica de muestreo se encuentra en la población en grupos o conglomerados y la selección de la unidad permite la observación del total de elementos de cada conglomerado elegido. Cada conglomerado tiene las mismas características de la población; puede hacerse un segundo muestreo dentro del conglomerado seleccionado, denominándose de doble etapa o bietápico. Generalmente es muy aplicado cuando no se dispone de un marco de referencia completo. El área total se divide en pequeñas áreas que son muestreadas. Cada área seleccionada podrá ser subdividida y enumerada para una nueva selección, si es necesario, y así sucesivamente dando origen al muestreo por etapas o polietápicos. Muestreo por fases. En ocasiones, es conveniente y económico recoger cierta información de la totalidad de elementos de una muestra, la cual se extrae de la población en tal forma que sea lo VX¿FLHQWHPHQWHJUDQGH$GHPiVODQHFHVLGDGGHLQIRUPDFLyQPiVGHWDOODGDREOLJDDXQDQXHYD muestra proveniente de la anterior, ocasionando un muestreo de dos fases o bifásico. Puede considerarse, también, de varias fases o polifásico. www.FreeLibros.org Muestreo sistemático. La selección de las unidades se hace a intervalos regulares, en un orden sistemático. 276 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO Las condiciones del muestreo aleatorio implican consideraciones importantes: (a) se debe seguir un diseñoHVWDGtVWLFRHVSHFt¿FR PXHVWUHRDOHDWRULR VLPSOH HVWUDWL¿FDGR HWF HO PHMRU HV DTXpO TXH SURSRUFLRQD OD SUHFLVLyQ necesaria, en términos de un límite, en cuanto al error de estimación a un menor costo; (b) la selección de los elementos al azar, para luego recolectar la información por cualquiera de los métodos: entrevista, observación directa, correo, teléfono, etc.; (c) el error muestral, es decir, la diferencia que debe haber entre el resultado realizado mediante la muestra y el obtenido posiblemente mediante la investigación total o censo. El error de estimación, es la diferencia que puede haber entre la estimación puntual y el parámetro. Cuando la estimación no representa bien al parámetro, a pesar de estar perfectamente diseñada, nos referiremos a errores muestrales; los errores no muestrales son ocasionados por el mal diseño del formulario, errores cometidos en el proceso de recolección, procesamiento y análisis de los datos. Parámetro (poblacional), son las medidas descriptivas numéricas aplicadas a las características en las unidades de la población. También se les denomina como valores estadísticos de la población. Estimador puntual, son las medidas descriptivas numéricas aplicadas a las características en las unidades de la muestra. Se podrá decir que el estimador es una norma o método para estimar una constante perteneciente a una población. La estimación hace referencia a los valores numéricos de los parámetros poblacionales desconocidos, a los cuales se llega mediante una muestra. El estimador por intervalos, es una regla que nos indica cómo calcular dos puntos o valores a través GHXQDPXHVWUD/DHVWLPDFLyQSRULQWHUYDORVHVODHVWLPDFLyQGHOSDUiPHWURPHGLDQWHODHVSHFL¿FDFLyQ GHXQLQWHUYDORGHYDORUHVGHWHUPLQDGRSRUXQOtPLWHLQIHULRU\RWURVXSHULRU OtPLWHVGHFRQ¿DQ]D GHQtro del cual estará comprendido el valor verdadero o parámetro poblacional. Se dice que un buen estimador debe ser: Insesgado es decir que no tenga sesgo, error o bias, cuando el valor del estimado es igual al del parámetro. En caso contrario la estimación será sesgada. Consistente es aquel estimador que, al aumentar el tamaño de la muestra, converge en probabilidad al parámetro que estima. J es el estimador que tiene la menor varianza entre todos los estimadores posibles. 7 cuando incluye toda la información que la muestra puede proporcionar acerca del parámetro. El ) , corresponde a un intervalo de valores, dentro de los cuales se espera que HVWpHOSDUiPHWURFRQFLHUWRJUDGRGHFRQ¿DQ]DRFRQULHVJRGHHUURUFRQRFLGRSDUDHOORHVQHFHVDULR determinar primero la estimación puntual. www.FreeLibros.org CAPÍTULO SIETE DISTRIBUCIONES MUESTRALES 277 La probabilidad de que un ) contenga el parámetro que se estima, se denomina ) 6HKDQYLVWRXQDGHVHULHGHWpUPLQRV\GH¿QLFLRQHVFRQUHVSHFWRDOmuestreo aleatorio. También existe el muestreo no aleatorio, circunstancial o errático, método cuyos resultados o estimaciones no VRQGHQLQJXQDPDQHUDFRQ¿DEOHVGDGRTXHODVHOHFFLyQGHODVXQLGDGHVTXHFRQIRUPDQODPXHVWUDVH realiza en forma caprichosa o por conveniencia, primando en muchos casos el juicio personal del investigador. Dentro del muestreo no aleatorio existen algunos métodos tales como: Muestreo a juicio, intencional u opinático, donde los elementos seleccionan a juicio o en opinión del investigador; se podría decir que prima la intención de que estas unidades sean incluidas dentro de la muestra. Muestreo por conveniencia, donde se eligen los elementos más al alcance del investigador. Muestreo voluntario, donde el informante, voluntariamente, suministra información sin ser previamente seleccionado. Muestreo por cuotas, es un número de entrevistas, encuestas, condiciones o FXRWDVTXHVHOH¿MDQDOHQFXHVWDGRUSDUDTXHDVXYH]VHOHFFLRQHORVHOHPHQWRV en la forma que considere oportuna. Encuestas descriptivas y analíticas$OJXQRVDXWRUHVFODVL¿FDQODVHQFXHVWDVHQWpUPLQRVJHQHUDOHV FRPRHQFXHVWDVGHVFULSWLYDV\HQFXHVWDVDQDOtWLFDV(QODVSULPHUDVHOLQWHUpVVHHVSHFL¿FDHQODREWHQFLyQ GHDOJXQDLQIRUPDFLyQFRUUHVSRQGLHQWHDXQDSREODFLyQ(QODVRWUDVOD¿QDOLGDGHVDQDOL]DUFLHUWDVKLSyWHVLVRVXSXHVWRVDFHUFDGHODSREODFLyQTXHHOLQYHVWLJDGRUVH¿MyGHDQWHPDQR+D\HQFXHVWDVTXHVLUYHQ para ambos propósitos. DISTRIBUCIONES MUESTRALES Corresponden a una distribución de todas las muestras que pueden ser escogidas conforme a un esquema GHPXHVWUHRHVSHFL¿FDGRTXHLPSOLTXHVHOHFFLyQDD]DU\DXQDIXQFLyQGHXQQ~PHUR¿MRGHYDULDEOHV aleatorias independientes. De una población a estudiar, se selecciona una sola muestra de todas las muestras posibles de igual WDPDxRFRQHO¿QGHREWHQHUFRQFOXVLRQHVVREUHODSREODFLyQQRVREUHODPXHVWUD La selección de las unidades que van a conformar la muestra debe hacerse al azar, mediante un generador de números aleatorios, usando cualquier método: sorteo, tablas de números aleatorios, sistemático, calculadora o EXCEL. La aplicación de EXCEL en la selección de elementos, se dan tres (3) opciones o métodos que usted puede consultar en el capítulo 13. www.FreeLibros.org Se presentan a continuación cuatro tipos de distribución: 278 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO DISTRIBUCIÓN DE MEDIAS MUESTRALES – x Simbología que será utilizada en este capítulo: MEDIDAS POBLACIÓN MUESTRA μ σ2 σ 1 s2 s Media aritmética Varianza Desviación típica Tamaño [ Q P–x = Media de todas las medias muestrales V–x = Desviación típica de todas las medias muestrales. M = Número de muestras posibles. ⎛1⎞ 1 &XDQGRODVHOHFFLyQVHKDFHVLQҏҏUHSRVLFLyQ 0 = ⎜⎜ ⎟⎟ = ⎝ Q ⎠ (1 − Q ) Q 0 =1 Cuando se hace la selección con reposición. En el capítulo 13 se da orientación mucho más amplia sobre el uso de algunos de los métodos de selección de elementos o unidades, más utilizados. Si consideramos una población de N elementos, con media y desviación típica V, si se obtienen M número de muestras posibles, de tamaño n, simbolizamos a cada media muestral, [1 [2 [3 [ y cada desviación típica muestral, por: s1 Q Población Q 1 ; 1 , ; 2, ; 3 μ ; Q σ Q s2 s3 ......... sM [1 V1 [2 V2 [3 MUESTRAS por: V3 [ V Teorema. Dada una población, si extraemos todas las muestras posibles de un mismo tamaño, entonces la media de la distribución de todas las medias muestrales posibles, será igual a la media poblacional. www.FreeLibros.org CAPÍTULO SIETE DISTRIBUCIONES MUESTRALES 279 Simbolizaremos la media de todas las medias muestrales por P–x , la cual será igual a la media poblacional [ [ + [2 + [3 +[ μ =∑ = 1 =μ 0 0 μ = μ = Media de la distribución de muestreo. La media de todas las medias muestrales debe ser exactamente igual a la media poblacional (P), debido a que la distribución de muestreo resulta de todas las muestras posibles que se pueden extraer de una población; por tal razón incluye todos sus elementos. De ahí, que calcularla es un método indirecto para obtener el valor del parámetro P. La varianza de todas las medias muestrales se simboliza por σ 2 y el error estándar de la media, será igual –x ∑ σ = [ −μ 0 2 = ([1 − μ )2 + ([2 − μ )2 + ([ − μ ) 2 0 = σ Q σ (para muestras grandes o sea n > 30 el cual se denomina: error estándar de la Siendo σ = Q media) σ = Desviación estándar de la distribución de muestreo de medias, que depende de la dispersión de la población y del tamaño de la muestra. Si el tamaño muestral (n) no es una fracción pequeña del tamaño poblacional, lo más adecuado es considerar el error estándar de la media, como σ = La expresión σ 1 −Q 1 −1 Q 1 − Q se conoce como factor de correcciónSDUDSREODFLyQ¿QLWD 1 −1 Ejemplo 1. Supongamos una población de 5 elementos (N=5) y los valores que toma la variable, dependiendo de la unidad de medida utilizada, ya sean kilómetros, metros, valores, etc., son: N = 5 siendo: X1 = 7 X2 = 3 X3 = 5 X4 = 8 X5 = 2 5 Con los anteriores valores se puede calcular la media, la varianza y desviación típica poblacional. = ∑; 0 = 25 =5 5 2 = ∑ ; 2 − 1; 2 1 = 151 − 5(25 ) = 5,2 5 σ = 5,2 = 2,2 Ahora determinaremos el número de muestras posibles (M) de esta población, si el tamaño de la PXHVWUDTXH¿MDPRVDUELWUDULDPHQWHHV\VLODVHOHFFLyQVHKDFHVLQUHSHWLFLyQRUHSRVLFLyQ(QHOSULPHU caso, se tendrá que: 0 =& = 1 1 −Q 0 = &25 = Q 5 = 10 2 3 El número de las combinaciones que se pueden obtener considerando los 5 elementos, son: www.FreeLibros.org ;1 ; 2 ;1 ; 4 ;2 ;3 ;2 ;5 ;3 ;5 ;1 ; 3 ;1 ; 5 ;2 ;4 ;3 ;4 ;4 ;5 280 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO Calculemos la media aritmética para cada una de las posibles muestras. [1 = [1 + [2 7 + 3 = =5 Q 2 [6 = [2 + [4 3 + = = 5,5 Q 2 [2 = [1 + [3 7 + 5 = =6 Q 2 [7 = [2 + [5 3 + 2 = = 2,5 Q 2 [3 = [1 + [4 7 + = = 7,5 Q 2 [ = [3 + [ 4 5 + = = 6,5 Q 2 [4 = [1 + [5 7 + 2 = = 4,5 Q 2 [ = [3 + [ 5 5 + 2 = = 3,5 Q 2 [5 = [2 + [3 3 + 5 = =4 Q 2 [10 = [4 + [5 = + 2 = 5,0 Q 2 La media de todas las medias muestrales será igual a: [ 5 + 6 + .... + 5 25 μ =∑ = = =5 0 10 5 Se podrá observar que se cumple el teorema, que la media de todas las medias muestrales es igual a la media poblacional. μ = μ = 5 En cuanto a la desviación típica de todas las medias muestrales, encontramos que: = ∑ ([ − 0 )2 = (5 − 5)2 + (6 − 5)2 + + (5 − 5)2 10 = 1, 5 = 1,3 Lo anterior debería ser igual a σ = σ denominado como error estándar de la media, el cual se Q cumple tan sólo cuando el tamaño de la muestra (n) es grande. Algunos autores consideran que n es grande, cuando es mayor a 30 (n > 30) y es pequeña, cuando n es menor o igual a 30 (n (VpVWD la razón por la cual, al calcular el error estándar de la media, utilizando la desviación típica poblacional ı HOUHVXOWDGRHVGLIHUHQWHD9HiPRVOR σ = σ Q = 2,2 2 = 2,2 = 1,61 ≠ 1,3 1,414 En el caso de hacerse la selección con reposición, se tendrá que M = Nn = 52 = 25 y las combinaciones posibles son: ;1 ; 2 ;1 ; 3 ;1 ; 4 ;1 ; 5 ; 2 ;1 ; 3 ;1 ; 4 ;1 ; 5 ;1 ;2 ;3 ;2 ;4 ;2 ;5 ;1 ;1 ;3 ;2 ;4 ;2 ;5 ;2 ;2 ;2 ;3 ; 4 ; 4 ;3 ; 4 ;5 ;3 ;5 ;5 ;3 ;5 ;4 ;3 ;3 ;5 ;5 ;4 ;4 0 = 25 μ =5 σ = 1,3 Q=2 Los resultados serán los mismos, es decir, μ = 5 y σ == 1,39. Es de anotar que, cuando se hace la VHOHFFLyQVLQUHSRVLFLyQODSREODFLyQVHYXHOYHLQ¿QLWD\TXHHQFDGDH[WUDFFLyQRVHOHFFLyQHOHOHPHQWR o unidad puede ser nuevamente seleccionado y así sucesivamente. www.FreeLibros.org CAPÍTULO SIETE DISTRIBUCIONES MUESTRALES 281 Figura 7.1 /DUHSUHVHQWDFLyQJUi¿FDGHODGLVWULEXFLyQPXHVWUDOGHODVPHGLDVPXHVWUDOHVWRmando como ejemplo las Px_ obtenidas, cuando la selección la hacemos con reposición = 2 25 3( = 5) = 5 25 3( = 4) 3( = 6) = 2 25 3( = 5, 5 ) 3( = 7 ,5 ) = 2 25 3( 3( = 4,5 ) = 2 25 = 1 25 3( = 7,0 ) = 2 25 3( = 3) = 1 25 = 2,5 ) = 2 25 3( =8) = 1 25 3( = 6,5 ) = 2 25 3( = 2) = 1 25 3( = 3,5 ) = 2 25 Teoría del límite central. Se cumple, cuando independientemente de la población origen, la distribución de las medias aleatorias se aproximan a una distribución normal a medida que el tamaño de la muestra crece. Se podrá decir también, que si las muestras provienen de una población que no es normal, es de importancia tener en cuenta el tamaño de la muestra, si el tamaño muestral es pequeño, la distribución obtenida con sus medias muestrales tendrán un comportamiento similar al de la población de donde se extrajeron. Por el contrario, si el tamaño muestral es grande, el comportamiento de estas medias muestrales será igual al de una distribución normal, independientemente de la población de donde fueron extraídas. En su forma más simple, el teorema indica que si n variables aleatorias independientes WLHQHQYDULDQ]DV¿QLWDVVXVXPDFXDQGRVHOHH[SUHVDHQPHGLGDHVWiQGDUWLHQGHQDHVWDU normalmente distribuidas cuando nWLHQGHDLQ¿QLWR6HGHEHREVHUYDUTXHQLQJXQDGHODV varianzas sea mayor comparada con el total. www.FreeLibros.org 282 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO De acuerdo con el teorema anterior, la variante estadística Z para distribuciones de medias muestrales será: == [−μ σ = [−μ σ Q Por la cual consideramos que se aproxima a un distribución normal. μ [ 0 Ejemplo 1. La altura media de 400 alumnos de un plantel de secundaria es de 1,50 mts, y su desviación típica es de 0,25 mts. Determinar la probabilidad de que en una muestra de 36 alumnos, la media sea superior a 1,60 mts. o : Solución: 3( >1, 60 ) 0,5000 = 0,4 1 == 1,60 − 1,50 0,10 0,60 = = = 2,40 0,25 0,25 0,25 6 36 = = 2,40 → $ 0,4 1 3 = 0,5000 − 0,4 1 = 0,00 2 = 0, 2 3( 0,00 2 1,50 1,60 0 2,40 >1, 60 ) [ = 0, 2 Ejemplo 2. Se tiene para la venta un lote de 1.000 pollos, con un peso promedio de 3,50 kg y una GHVYLDFLyQHVWiQGDUGHNJ¢&XiOHVODSUREDELOLGDGGHTXHHQXQDPXHVWUDDOHDWRULDSROORVGH HVWDSREODFLyQSHVHQHQWUH\NJ" Solución: o : == μ = 3,5 Q =100 3(3,53 < [ − μ 3,56 − 3,5 0,06 10 = = = 3,33 0,1 0,1 σ Q 100 = = 3,33 → $ 0,4 == σ = 0,1 < 3, 56 ) = 0,4 6 0,04 1 0,4515 6 3,53 − 3,5 0,03 10 = = 1,66 0,1 0,1 100 = = 1,66 → $ 0,4515 3 = 0,4 6 − 0,4515 = 0,04 1 3 3,53< 3,5 3,53 3,56 0 1,66 3,33 < 3, 56 [ = 4, 1 Ejemplo 3. Un fabricante de cierto champú para el cabello, distribuye el tamaño profesional de su producto en 100 salones de belleza de Caracas. Se ha determinado que el consumo promedio de su producto es de 2.800 cojines mensuales, con desviación estándar de 280 cojines. Si se toma una muestra SUREDELOtVWLFDGHVDORQHV¢FXiOHVODSUREDELOLGDGGHTXHHOFRQVXPRSURPHGLRHQXQPHVVHDLQIHULRU D" www.FreeLibros.org o : Solución: μ = 2 00 σ =2 0 Q = 36 3( < 2 700 ) = CAPÍTULO SIETE DISTRIBUCIONES MUESTRALES == 283 0,5000 [ − μ 2 700 − 2 00 = 2 0 σ 36 Q 0,0162 − 100 6 == = −2,14 2 0 = = − 2,14 → $ 0,4 3 0,4 3 2,700 2, 00 2,14 0 3 3 = 0,5000 − 0,4 3 = 0,0162 < 2 700 [ = 1,62 En aquellos casos de , es decir, cuando se da información sobre el tamaño poblacional, y cuando el tamaño de la muestra es mayor del 5% de la población, se puede aplicar el factor de corrección, representado de diferentes maneras; cualquiera de las siguientes formas podrán ser aplicadas: 1 −Q = 1 −1 1 −Q = 1 1 − Q = 1− Q = 1− I 1 1 1 )DFWRUGHFRUUHFFLyQSDUDSREODFLRQHV¿QLWDV La f se conoce como fracción de muestreo. I = Q 1 Por lo tanto la desviación estándar de la muestra se convierte en σ = σ Q 1 −Q 1 −1 En distribuciones de medias muestrales, la estandarización de Z, incluyendo el factor de corrección SDUDSREODFLRQHV¿QLWDVVHUi [−μ == ⎛ σ ⎞ 1 −Q ⎜⎜ ⎟⎟ ⎝ Q ⎠ 1 −1 Ejemplo 4. Si en el ejemplo (1) se considera que dicho plantel de secundaria tiene un total de N = 400 DOXPQRV¢&XiOHVODSUREDELOLGDGHQXQDPXHVWUDGHDOXPQRVGHTXHODPHGLDVHDVXSHULRUDP" == == ⎛ ⎜⎜ ⎝ [−μ σ ⎞⎟ 1 − Q ⎟ Q ⎠ 1 −1 0,5000 0,4 40 1,60 − 1,50 = 2,51 ⎛ 0,25 ⎞ 400 − 36 ⎟⎟ ⎜⎜ ⎝ 36 ⎠ 400 − 1 = = 2,51 → $ 0,4 40 3 = 0,5000 − 0,4 40 = 0,006 3 0,0060 1,50 1,60 0 2,51 >1, 60 [ = 0,6 www.FreeLibros.org 284 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO EJERCICIOS PARA RESOLVER La gran mayoría de los ejercicios de este libro, se encuentran resueltos en el Sistema de Información en Línea SIL. 1. En una población normal, con media 72,1 y desviación estándar 3,1, encuentre la probabilidad de que en una muestra de 90 observaciones, la media sea menor que 71,7. (QXQEDQFRGHDKRUURVODFXHQWDPHGLDHVGHFRQXQDGHVYLDFLyQGH¢&XiOHVOD probabilidad de que un grupo de 400 cuentas, elegidas al azar, tenga un depósito medio de $660.000 RPiV" 3. En cierta región los salarios diarios de los mineros del carbón están distribuidos normalmente con XQDPHGLDGH\XQDGHVYLDFLyQHVWiQGDUGH¢&XiOHVODSUREDELOLGDGGHTXHXQD PXHVWUDUHSUHVHQWDWLYDGHPLQHURVWHQJDXQSURPHGLRGLDULRLQIHULRUD" 4. Las estaturas de cierto grupo de adultos tienen una media de 167,42 y una desviación estándar de 2,58 centímetros. Si las estaturas están normalmente distribuidas y se eligen aleatoriamente 25 SHUVRQDVGHOJUXSR¢FXiOHVODSUREDELOLGDGGHTXHVXPHGLDVHDGHFHQWtPHWURVRPiV" 6L VH H[WUDH XQD PXHVWUD DOHDWRULD GH HOHPHQWRV GH XQD SREODFLyQ ¢FXiQWRV HOHPHQWRV GHEH contener otra muestra de la misma población, para que el error estándar de la media de la segunda PXHVWUDVHDGHOHUURUHVWiQGDUGHODPHGLDGHODSULPHUDPXHVWUD" 6. Si se extraen dos muestras aleatorias de una misma población, y si el error estándar de la media de XQDGHHOODVHVNYHFHVHOHUURUHVWiQGDUGHODPHGLDGHRWUD¢FXiOHVODUHODFLyQHQWUHORVWDPDxRV GHDPEDVPXHVWUDV" 7. Los salarios diarios en cierta industria están distribuidos normalmente con un media de $23.000. Si HOGHODVPHGLDVGHORVVDODULRVGLDULRVHQPXHVWUDVGHREUHURVHVLQIHULRUD¢FXiO HVODGHVYLDFLyQHVWiQGDUGHORVVDODULRVGLDULRVHQHVWDLQGXVWULD" 6XSRQJDPRVTXHVHWLHQHQHQXQDXUQD¿FKDVQXPHUDGDV'HVSXpVGH PH]FODUODVFRPSOHWDPHQWHVH VDFDQ¿FKDV DOHDWRULDPHQWH¢&XiOHV ODSUREDELOLGDGGHTXHOD VXPDVHDPD\RUGH" 9. Si los pesos individuales de las personas que viajan en avión se distribuyen normalmente con media GHNLORV\GHVYLDFLyQWtSLFDGHNLORV¢FXiOHVODSUREDELOLGDGGHTXHXQ%RHLQJFRQ SDVDMHURVSHVHQPiVGHNLORV" 10. Las estaturas de los estudiantes de una universidad, se distribuyen normalmente con media de 170 FHQWtPHWURV\GHVYLDFLyQWtSLFDGHFHQWtPHWURV6LVHWRPDXQDPXHVWUDGHHVWXGLDQWHV¢FXiO HVODSUREDELOLGDGGHTXHWHQJDQXQDHVWDWXUDVXSHULRUDFHQWtPHWURV" 11. Quinientos cojinetes de bolas tienen un peso medio de 5,02 onzas y una desviación de 0,30 onzas. Hallar la probabilidad de que una muestra al azar de 100 cojinetes, elegidos entre este grupo, tengan un peso de más de 5,10 onzas. www.FreeLibros.org 12. Una siderúrgica está produciendo actualmente cables para suspensión de puentes. La característica más importante de este producto es su resistencia, el peso que puede soportar antes de que se CAPÍTULO SIETE DISTRIBUCIONES MUESTRALES 285 reviente. Por experiencias pasadas se sabe que el promedio de la resistencia es de 6 toneladas con desviación típica de ¾ de tonelada. Para efectos de control, se selecciona una muestra de 9 cables y se adopta la siguiente regla de decisión: Si la resistencia promedio está por encima de 6,5 toneladas o por debajo de 5,5, se suspende el proceso. Si está entre 5,5 y 6,5 se deja tal y como está. D ¢&XiO HV OD SUREDELOLGDG GH GHWHQHU HO SURFHVR VL OD PHGLD GH OD SURGXFFLyQ HV D~Q GH WRQHODGDV" E ¢&XiOHVODSUREDELOLGDGGHGHWHQHUHOSURFHVRVLODPHGLDGHODSURGXFFLyQQRHVWRQHODGDV VLQRWRQHODGDV" F ¢&XiO HV OD SUREDELOLGDG GH FRQWLQXDU HO SURFHVR VL HO SURPHGLR HV HQ UHDOLGDG GH WRQHODGDV" G ¢6LHVGHWRQHODGDV" 13. Suponga que una máquina produce tornillos cuyos diámetros se distribuyen normalmente con media = ½ pulgada y una desviación típica = 0,01 pulgadas. ¢&XiOHVODSUREDELOLGDGGHTXHHOGLiPHWURPHGLRHVWpFRPSUHQGLGRHQWUH\SDUDXQD PXHVWUDGHWRUQLOORV" 8QDFRPSDxtDSURGXFWRUDGHPDt]KtEULGRD¿UPDTXHVXVSURGXFWRVGDUiQSRUWpUPLQRPHGLR bultos por hectárea. Veinticinco hectáreas producen, en promedio, 115 bultos. Si se supone que la desviación típica HVGHEXOWRVSRUKHFWiUHD¢FXiOHVODSUREDELOLGDGGHREWHQHUXQDPHGLD PXHVWUDOGHRPHQRV" 15. En una distribución normal se seleccionan todas las posibles muestras de tamaño 10; si el 2% de HVWDVPXHVWUDVWLHQHQPHGLDVTXHGL¿HUHQGHODPHGLDSREODFLRQDOHQPiVGHHQYDORUDEVROXWR encontrar la desviación estándar de la población. 16. Ciertos tubos fabricados por una compañía tienen una duración media de 900 horas y una desviación típica de 70 horas. Hallar la probabilidad, al seleccionar al azar 36 tubos, que tengan una duración media entre 870 y 925 horas. 17. Se sabe que en cierta gran ciudad, los clientes de los restaurantes gastan en promedio $32.900 en comida, con una desviación estándar de $1.500. Si se pide a cada uno de 50 restaurantes que seleccionen al azar las cuentas de 100 personas y que informen sobre el consumo medio de esas 100 SHUVRQDV¢GHFXiQWRVUHVWDXUDQWHVGHEHHVSHUDUVHTXHLQIRUPHQVREUHFXHQWDVSURPHGLRVXSHULRUHV " 18. Los pesos de los paquetes recibidos en una bodega tienen una media de 580 libras y una desviación WtSLFD GH OLEUDV ¢FXiO HV OD SUREDELOLGDG GH TXH HO SHVR GH SDTXHWHV UHFLELGRV DO D]DU \ FDUJDGRVHQXQPRQWDFDUJDVVXSHUHVXFDSDFLGDGGHOLEUDV" (QXQDXQLYHUVLGDGHOSURPHGLRGHFDOL¿FDFLyQHQH[iPHQHVGHDGPLVLyQKDVLGRGHFRQXQD GHVYLDFLyQWtSLFDGH¢&XiOHVODSUREDELOLGDGVLHOH[DPHQORSUHVHQWDQHVWXGLDQWHVGHTXH REWHQJDQXQSURPHGLRPD\RUGH" www.FreeLibros.org 20. El valor promedio de los pedidos que hacen los detallistas de una ciudad a cierto mayorista es de $25.900 diarios, con desviación estándar de $1.800. Si elegimos al azar una muestra de 200 SHGLGRV¢FXiOHVODSUREDELOLGDGGHTXHODPHGLDGHYDORUGHOORVSHGLGRVVHDVXSHULRUD" 286 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO 8QD¿UPDGHLQJHQLHURVKDHVWLPDGRTXHHOSHVRSURPHGLRGHORVDGXOWRVTXHYLYLUiQHQXQHGL¿FLRGH apartamentos es de 68 kilos, con desviación estándar de 15 kg. De acuerdo con la anterior estimación, LQVWDODQHQHOHGL¿FLRXQDVFHQVRUSDUDSHUVRQDVFRQFDSDFLGDGGHNLORVVLODHVWLPDFLyQHV FRUUHFWD¢FXiOHVODSUREDELOLGDGGHTXHXQFXSRFRPSOHWRH[FHGDODFDSDFLGDGGHODVFHQVRU" 22. Un distribuidor mayorista recibe mensualmente 70.000 pilas de 1,5 voltios. Para decidir si acepta o rechaza las pilas, utiliza la siguiente regla de decisión: mide la vida útil de 36 pilas. Si la media GHODPXHVWUDHVRPiVKRUDVVHDFHSWDODWRWDOLGDGHQFDVRFRQWUDULRVHUHFKD]D¢&XiOHVOD probabilidad de: D DFHSWDUXQDUHPHVDTXHWLHQHXQDYLGD~WLOGHKRUDV\XQDGHVYLDFLyQHVWiQGDUGHKRUDV" E UHFKD]DUXQFDUJDPHQWRTXHWLHQHXQDYLGD~WLOGHKRUDV\XQDGHVYLDFLyQHVWiQGDUGHKRUDV" 23. El gerente de una cooperativa de ahorro y vivienda, estima que el promedio de ahorro por cliente HQXQPHVHVGHFRQXQDGHVYLDFLyQWtSLFDGH¢&XiOHVODSUREDELOLGDGGHTXH DOH[DPLQDUFXHQWDVHOSURPHGLRGHDKRUURVHPD\RUGH" 8QSURIHVRUVDEHSRUH[SHULHQFLDTXHHOH[DPHQ¿QDOUHDOL]DGRDVXVDOXPQRVSURSRUFLRQDXQD FDOL¿FDFLyQSURPHGLRGH\XQDYDULDQ]DGH(OFXUVRDFWXDOORFRQIRUPDQDOXPQRV¢&XiO HVODSUREDELOLGDGGHTXHHOUHQGLPLHQWRPHGLRVHDPHQRUGH" 25. El gerente de una empresa asegura que su programa de entrenamiento en ventas permite aumentarlas más del 10% sobre $400.000 pesos diarios actuales, con una desviación estándar de $78.608. Si VHOHFFLRQDXQJUXSRGHYHQGHGRUHV¢FXiOHVODSUREDELOLGDGGHTXHHOJHUHQWHWHQJDODUD]yQ" 26. Un almacén ofrece cargos de empacadores de mercancía con un promedio de 58 cajas y desviación estándar de 16. En cada caja se pueden empacar 5 docenas de camisas, colocándole a cada una su marca distintiva. Si se toma una muestra aleatoria de 16 aspirantes a los cargos y se les somete a un GtDGHSUXHED¢FXiOHVODSUREDELOLGDGGHTXHHPSDTXHQHQSURPHGLRHQWUH\FDMDVHQHOGtD" 27. A vendedores de libros, una distribuidora les asegura que además de su sueldo básico de $660.000 mensuales, obtendrán un promedio mensual de $240.000 por comisión. Si la distribuidora emplea DYHQGHGRUHV¢FXiOHVODSUREDELOLGDGGHTXHHOLQJUHVRSURPHGLRSRUFRPLVLyQVHDLQIHULRUD "6HDGPLWHTXHODFRPLVLyQSRUYHQWDGHOLEURVWLHQHXQDGHVYLDFLyQWtSLFDGH 28. En un supermercado se establece que los paquetes de café de libra, tienen un promedio 1,03 libras, FRQ XQD GHVYLDFLyQ WtSLFD GH OLEUDV ¢&XiO HV OD SUREDELOLGDG GH VHOHFFLRQDU SDTXHWHV PDUFDGRVGHOLEUD FRQXQSHVRSURPHGLRVXSHULRUDOLEUDV" 29. Un auditor toma una muestra de tamaño 49, de una población de 800 cuentas por cobrar. La GHVYLDFLyQHVWiQGDUGHODSREODFLyQHVGH\ODPHGLDHV¢&XiOHVODSUREDELOLGDG GHTXHODPHGLDGHODPXHVWUDVHDPHQRULJXDOD" 8QDQDOLVWD¿QDQFLHURVHOHFFLRQDXQDPXHVWUDDOHDWRULDGHOGHFXHQWDV/DPHGLD\ODGHVYLDFLyQ WtSLFDGHORVVDOGRVHQFRQWUDGRVHQODVFXHQWDVVRQ\UHVSHFWLYDPHQWH¢&XiO HVODSUREDELOLGDGGHTXHFRQGLFKDPXHVWUDVHREWHQJDXQDPHGLDVXSHULRUD" www.FreeLibros.org 31. El jefe de un departamento de ventas sabe que en el almacén principal, el promedio de compra por cliente es de $112.000 con una desviación estándar de $5.500. Si se toma una muestra de tamaño ¢FXiOHVODSUREDELOLGDG CAPÍTULO SIETE DISTRIBUCIONES MUESTRALES 287 a) que la media de la muestra sea superior a $113.500. E TXHVHDVXSHULRUDHLQIHULRUD" 32. Una fábrica produce correas cuyo diámetro promedio es de 16 mm y desviación típica de 3,5 mm. 6LVHVHOHFFLRQDXQDPXHVWUDGHFRUUHDV¢FXiOHVODSUREDELOLGDGGHTXHODPHGLDPXHVWUDOVHD PHQRURLJXDODPP" 33. Se sabe por experiencia que el rendimiento promedio por hectárea, en un cultivo, es de 70 bultos y la GHVYLDFLyQWtSLFDGHEXOWRV6LVHVHOHFFLRQDXQDPXHVWUDGHKHFWiUHDV¢FXiOHVODSUREDELOLGDG GHTXHHOUHQGLPLHQWRPHGLRVHDVXSHULRUDEXOWRV" 34. Las cajas de cartón que contienen un determinado artículo producido por un establecimiento industrial tienen un peso medio de 300 kg , y una varianza d 2.500 kg2¢&XiOHVODSUREDELOLGDGGH que 25 paquetes, tomados al azar y cargados en un camión de distribución del producto, excedan la FDSDFLGDGGHOFDPLyQGHNJ" 6LODGHVYLDFLyQWtSLFDGHODVHVWDWXUDVGHQLxRVGHNLQGHUHVGHFHQWtPHWURV¢FXiOHVODSUREDELOLGDGGH TXHODHVWDWXUDSURPHGLRGHXQDPXHVWUDDOD]DUGHQLxRVGL¿HUDQHQPiVGHXQFHQWtPHWUR" 6LODGHVYLDFLyQWtSLFDGHODVFDOL¿FDFLRQHVGHHVWDGtVWLFDHQHOTXLQWRVHPHVWUHHVGHGpFLPDV ¢FXiO HV OD SUREDELOLGDG HQ XQD PXHVWUD GH HVWXGLDQWHV GH TXH OD GLIHUHQFLD HQWUH OD PHGLD PXHVWUDO\ODSREODFLyQVHDPD\RUHQGpFLPDV" 37. Un fabricante de bombillas dice que su producto tiene una media de duración de 700 horas, con varianza de 14.400 horas. El dueño de un taller compró 144 bombillas de esta marca con la idea de FRPSUDUPiVVLODGXUDFLyQPHGLDGHODPXHVWUDOHUHVXOWDUDVXSHULRUDKRUDV¢TXpSUREDELOLGDG KD\GHTXHHOGXHxRGHOWDOOHUQRYXHOYDDKDFHUFRPSUDVGHHVDPDUFD" 38. Un distribuidor de botas especiales para el trabajo, garantiza al gerente de una empresa que el promedio de duración de las botas es de 8,10 meses, con una desviación típica de dos meses y FLQFRGtDV6LVHGHFLGHODHPSUHVDDFRPSUDUSDUHVGHERWDV¢FXiOHVODSUREDELOLGDGGHTXHHQ SURPHGLRODGXUDFLyQVHDLQIHULRUDORVPHVHV\TXLQFHGtDV" o o a at o t a t o DISTRIBUCIÓN MUESTRAL DE UNA PROPORCIÓN a a p En el análisis de una característica cualitativa o atributo, se emplea la proporción de éxitos y no el número de éxitos como en la distribución binomial. $QWHULRUPHQWHVHGH¿QLyODSURSRUFLyQGHp[LWRVFRPR p = Número de casos favorables o éxitos Total de casos posibles Ahora en vez de expresar la variable en términos de éxitos (") nos referiremos, al número de elementos con el atributo en la muestra (a) y lo dividimos por el tamaño de la muestra (n). www.FreeLibros.org D S=∑ = Q 288 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO Simbología A=Ai Total de elementos que presentan la característica investigada en la población A=Ai=NP ∑$ 3= $ = 1 1 μ =3=3 Proporción de elementos que presenta la característica investigada en la población. 4 = 1 − $ = 1 − 3 Proporción de elementos que no presenta la característica estudiada 3 + 4 = 1 1 V P2 = Varianza de la proporción en la población V P2 = PQ σ = Desviación estándar σ = σ Q 34 Q = Demostración σ = 34 Error estándar de la proporción V P2 = PQ Variable: supongamos que se tiene una población de 500 personas para analizar su peso en kilogramos μ = ∑ ; = 70 + 50 + 4 + 60 σ2 = 2 2 ∑ ; − 1μ y se tendrá que: 1 500 1 ; por lo tanto ∑ ; = 70 + 50 + 48 + 60 + ..... ∑ ; 2 = 702 + 502 + 482 + 602 + ..... Ya conocemos cómo se procede en el cálculo de la P y de Vx2 en la variable "; ahora, observemos cómo se debe calcular en el atributo. Atributo: Consideremos que se desea investigar la proporción de mujeres en 500 personas de una población; para ello se cuenta el número de mujeres observadas. equivale a → ∑ ; ∑ $ =1 + 1 + 1 + 1 + 1 = 200 3=μ = ∑ $ = 200 = 0,40 (Media proporcional) equivale a 500 1 Ahora si se requiere ∑ $ 2 = 12 + 12 + 12 + 12 = σ2 = ∑ $2 − 13 2 1 = μ = ∑ $ = 13 reemplazando se tiene que : 13 − 13 2 13 1 − 3 = = 3 1 − 3 = 34 1 1 σ 2 = 34 lo cual queda demostrado. σ = 34 Variante estadística. En muchos casos, podemos utilizar la distribución normal para evaluar la distribución muestral de proporciones, siendo: = = S−μ S − 3 = σ 34 Q S Vale la pena observar la simbología que se utiliza para la muestra www.FreeLibros.org 0 CAPÍTULO SIETE DISTRIBUCIONES MUESTRALES ∑D S= D = Q Q = Proporción muestral ⇔ S 3 = $ 1 = Proporción poblacional ⇔ μ = 3 σ 2 = 34 = Varianza de una proporción en la población σ = 34 = Desviación proporcional en la población V 2 = ST = Varianza de una proporción muestral V = ST = Desviación típica proporcional en la muestra σ = 34 Q 289 = Error estándar en una proporción Ejemplo 1.6HWLHQHTXHHOGHODVSLH]DVSURGXFLGDVSRUFLHUWDPiTXLQDHVGHIHFWXRVD¢&XiOHVOD SUREDELOLGDGGHTXHHQXQJUXSRGHSLH]DVHOPiVVHDGHIHFWXRVD" σ = 34 = Q (0,04)(0, 6) = 0,014 S−μ 34 Q = 0,5000 200 a) Se desea determinar la 3( == 0,2612 ≥ 0 , 03) = 0,03 − 0,04 = −0,71 (0,04)(0, 6) 200 = = −0,71 → $(0,2612) 3 = 0,2612 + 0,5000 = 0,7612 0,03 0,04 0,71 0 3( ≥ 0 , 03 ) = 76,12 b) Con corrección. Si se quiere obtener una buena aproximación a la distribución normal, debe 1 hacerse la corrección en la variable discreta, siendo igual –– . Si se va obtener una área hacia la 2n derecha, se restará este factor de corrección; en el caso de que sea a la izquierda, se sumará ese factor al valor de p. 1 = 1 = 1 = 0,0025 2Q 2 200 400 ⎛⎜ S − 1 ⎞⎟ − μ 2Q ⎠ ==⎝ σ 0,03 − 0,0025 − 0,04 == = −0, 0,014 = = −0, → $(0,3133) 3 = 0,3133 + 0,5000 = 0, 133 0,3133 0,03 0,5000 0,04 0 0, 3( ≥ 0 , 03 ) = 1,33 www.FreeLibros.org c) Resolveremos el anterior problema mediante la distribución normal 290 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO 0,315 μ = QS = 200 0,04 = 0,5000 σ = QST = 200 0,04 0, 6 = 2,77 3( ≥ 6) = VLHQGR 3 > 5, 5 = " 5,5 5,5 − = −0, 0 → $ 0,315 2,77 3 = 0,315 + 0,5000 = 0, 15 == 0, 0 0 3 = 1,5 > 5,5 Resultado bastante aproximado al obtenido en el punto (b) d) Podríamos plantear y aún resolver el mismo problema aplicando la distribución binomial. Q = 200 [ S = 0,04 3 = 1 − &0200 0,04 T = 0, 6 0, 6 200 3( ≥ 6) = + &0200 0,04 5 0, 6 1 5 ] Ejemplo 2. Se desea estudiar una muestra de 49 personas para saber la proporción de las mayores de 40 DxRVVDELHQGRTXHODSURSRUFLyQHQODSREODFLyQHV¢&XiOHVODSUREDELOLGDGGHTXHODSURSRUFLyQ HQODPXHVWUDVHDPHQRUGH" o : Q =4 == 3 = 0,4 3( < 0,5 ) = 0,5000 S−3 0,5 − 0,4 = = (0,4)(0,6) 34 4 Q 0,4236 S 0,10 0,10 0,10 = = = 1,43 0 ,07 0,004 0,24 4 = = 1,43 → $ 0,4236 3 = 0,5000 + 0,4236 = 0, 236 == 3 <0, 5 0,4 0,5 0 1,43 = 2,36 Ejemplo 3. Cuarenta y seis por ciento de los sindicatos del país están en contra de comerciar con la &KLQD&RQWLQHQWDO¢FXiOHVODSUREDELOLGDGGHTXHXQDHQFXHVWDDVLQGLFDWRVPXHVWUHTXHPiVGHO WHQJDODPLVPDSRVLFLyQ" o : 3 = 0,46 == == S = 0,52 Q = 100 3 > 0 , 52 = S−3 0,52 − 0,46 = (0,46)(0,54) 34 100 Q 0,3 6 11,31 S 0,06 = 1,21 0,24 4 100 0,46 0,52 www.FreeLibros.org = =1,21 → $ 0,3 6 3 = 0,5000 − 0,3 6 = 0,1131 0 3 > 0 ,52 1,21 = 11,31 CAPÍTULO SIETE DISTRIBUCIONES MUESTRALES 291 EJERCICIOS PARA RESOLVER La gran mayoría de los ejercicios de este libro, se encuentran resueltos en el Sistema de Información en Línea SIL. 6HKDGHWHUPLQDGRTXHHOGHORVHVWXGLDQWHVXQLYHUVLWDULRVGH0HGHOOtQSUH¿HUHQORVFXDGHUQRV PDUFD3URIHVLRQDO¢&XiOHVODSUREDELOLGDGGHTXHHQXQPXHVWUDGHXQLYHUVLWDULRVGHGLFKD ciudad, encontremos que: a) como máximo el 68% sean usuarios de ese tipo de cuaderno. E H[DFWDPHQWHVHDQXVXDULRV XWLOL]DUPHGLRSXQWRGHSRUFHQWDMHSDUDORVOtPLWHV " 40. Un fabricante de desodorantes recibe cada semana lotes de 10.000 válvulas para los tarros rociadores. Para aceptar o rechazar dichos lotes, selecciona al azar 400 válvulas de cada lote; si el 2% o más UHVXOWDQGHIHFWXRVRVVHUHFKD]DHOORWH(QFDVRFRQWUDULRVHDFHSWDHOORWH¢&XiOHVODSUREDELOLGDG GHUHFKD]DUXQORWHTXHFRQWHQJDHOGHYiOYXODVGHIHFWXRVDV" 6HKDHQFRQWUDGRTXHHOGHODVSLH]DVSURGXFLGDVSRUFLHUWDPiTXLQDVRQGHIHFWXRVDV¢&XiOHVOD SUREDELOLGDGDOVHOHFFLRQDUSLH]DVTXHHORPiVVHDQGHIHFWXRVDV" 42. Para elegir presidente de un sindicato, un candidato obtuvo el 46% de los votos. Determinar la SUREDELOLGDGGHTXHHQWUHHOHJLGRVDOD]DUGHXQWRWDOGHD¿OLDGRVVHREWHQJDODPD\RUtD de votos para dicho candidato. 43. En cierta facultad de una universidad de Caracas 1/6 de los alumnos son mujeres. Si se extrae una PXHVWUDDOHDWRULDGHHVWXGLDQWHVGHODIDFXOWDG¢FXiOHVODSUREDELOLGDGGHTXHHORPiV VHDQPXMHUHV" 44. Hallar la probabilidad de que en 200 lanzamientos de una moneda, el número de caras esté comprendido entre el 40% y 60%. (En el SIL se ha dejado planteado como distribución binomial y se ha resuelto mediante la distribución normal y de proporciones). 6HVDEHTXHHOGHORVHVWXGLDQWHVGHXQFROHJLRXVDQDQWHRMRV¢&XiOHVODSUREDELOLGDGGHTXH RPHQRVXVHQDQWHRMRVHQXQDPXHVWUDGHHVWXGLDQWHV" 8QQXHYRWUDWDPLHQWRFRQUD\ROiVHUDVHJXUDVXH¿FDFLDHQHOGHORVFDVRV6LVHVHOHFFLRQDXQD PXHVWUDGHHQIHUPRV¢TXpSUREDELOLGDGKD\GHTXHVHSUHVHQWHXQDGLIHUHQFLDPD\RUGHOHQ FXDQWRDVXH¿FDFLD" 6HJ~QGDWRVDQWHULRUHVVHVDEHTXHODHIHFWLYLGDGGHXQDYDFXQDHVGHO¢&XiOHVODSUREDELOLGDG GHTXHDOYDFXQDUDSHUVRQDVODSURSRUFLyQVHDPD\RUGHO" 48. Se ha demostrado, por reclamos que han hecho, que el 20% de las encomiendas llegan averiadas DO XWLOL]DU XQD FRPSDxtD GH WUDQVSRUWH LQWHUPXQLFLSDO ¢&XiO HV OD SUREDELOLGDG DO HQYLDU HQFRPLHQGDVGHTXHODSURSRUFLyQVHDPHQRUGH" 49. Por datos obtenidos con anterioridad, se sabe que el 70% de las familias que tienen teléfono no se encuentran en las horas de la tarde del día domingo. Se toma una muestra aleatoria de 36 familias GHOGLUHFWRULRWHOHIyQLFR\VHOHVOODPD¢&XiOHVODSUREDELOLGDGGHTXHHORPiVHVWpQDXVHQWHV" www.FreeLibros.org 292 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO 50. Se sabe que el 7% de los niños que nacen en cierta región, mueren antes de alcanzar un mes de vida. 6LGXUDQWHXQFLHUWRSHUtRGRGHWLHPSRQDFLHURQQLxRV¢FXiOHVODSUREDELOLGDGGHTXHRPiV GHHOORVPXHUDQDQWHVGHDOFDQ]DUHOSULPHUPHVGHYLGD" 51. Según registros del Departamento de Circulación y Tránsito, el 25% de los heridos en accidentes de tránsito quedan con alguna incapacidad de por vida. En un mes cualquiera se registran 150 SHUVRQDVTXHVXIULHURQOHVLRQHV¢&XiOHVODSUREDELOLGDGGHTXHRPiVYtFWLPDVTXHGHQFRQ DOJXQDLQFDSDFLGDG" 52. 1/3 de los alumnos matriculados en las facultades de publicidad son hombres. Se extrae una muestra DOHDWRULDGHDOXPQRVPDWULFXODGRVHQGLFKDVIDFXOWDGHV¢FXiOHVODSUREDELOLGDGGHTXHR PHQRVVHDQGHVH[RPDVFXOLQR" 53. Se toma una muestra aleatoria de 200 unidades producidas en una hora por un máquina. Se sabe TXHHOGHODVXQLGDGHVSURGXFLGDVVRQGHIHFWXRVDV¢&XiOHVODSUREDELOLGDGGHTXHRPHQRV UHVXOWHQGHIHFWXRVDV" 6HVDEHTXHHOGHORVHPSOHDGRVS~EOLFRVXVDQFRUEDWD¢FXiOHVODSUREDELOLGDGGHTXHDO VHOHFFLRQDUHPSOHDGRVPHQRVGHOQRXVHQODFRUEDWD" 55. Si se realiza una investigación entre 36 personas, sobre la preferencia en el uso de desodorante en EDUUD\HQDWRPL]DGRU¢FXiOHVODSUREDELOLGDGGHTXHHOPiVGHODVSHUVRQDVHQWUHYLVWDGDV SUH¿HUDQHOGHVRGRUDQWHHQEDUUD"6HVDEHSRUH[SHULHQFLDTXHGLFKDSURSRUFLyQHVGHO\ respectivamente. 56. En cierto proceso de producción se utiliza la siguiente regla de decisión: se elige una muestra al azar de 36 piezas; si el porcentaje de piezas defectuosas de la muestra excede de p, se detiene el proceso para localizar las fallas. Si se sabe que el proceso ocasiona un 10% de piezas defectuosas, en promedio, determine el valor de p, para que exista un 22,5% de probabilidad de detener el proceso, cuando la proporción de piezas defectuosas exceda de p. 57. Se sabe que el 65% de los estudiantes de primaria, en una concentración escolar, son nacidos HQHVDPLVPDFLXGDG¢&XiOHVODSUREDELOLGDGGHTXHHQXQDPXHVWUDGHHVWXGLDQWHVGHHVD FRQFHQWUDFLyQFXDQGRPHQRVHOVHDQRULXQGRVGHHVDFLXGDG" 58. Un fabricante de insecticidas domésticos recibe cada semana lotes de 10.000 válvulas para los tarros rociadores. Para aceptar o rechazar dichos lotes, ha establecido el siguiente procedimiento de muestreo: selecciona al azar 400 válvulas de cada lote; si el 20% o más resultan defectuosas, rechaza HOORWH(QFDVRFRQWUDULRORDFHSWD¢&XiOHVODSUREDELOLGDGGHUHFKD]DUXQORWHTXHFRQWHQJDHO GHYiOYXODVGHIHFWXRVDV" 59. Si se toma una muestra aleatoria de 80 artículos producidos por una máquina, sabiendo que el 15% UHVXOWDGHIHFWXRVR¢FXiOHVODSUREDELOLGDGGHTXHHORPiVGHORVDUWtFXORVREVHUYDGRVHQOD PXHVWUDVHDQGHIHFWXRVRV" 60. En una elección departamental o provincial, el 55% de los electores están a favor del candidato del SDUWLGR$¢FXiOHVODSUREDELOLGDGGHTXHHQXQDPXHVWUDGHHOHFWRUHVHOUHVXOWDGRQRPXHVWUH XQDPD\RUtDDIDYRUGHOFDQGLGDWR" www.FreeLibros.org CAPÍTULO SIETE DISTRIBUCIONES MUESTRALES 293 61. Se sabe que el 40% de las familias, en uno de los barrios al norte de la ciudad, tiene aparatos UHFHSWRUHV GH WHOHYLVLyQ D FRORU 6L VH WRPD XQD PXHVWUD DOHDWRULD GH IDPLOLDV ¢FXiO HV OD SUREDELOLGDGGHTXHKD\DRPiVIDPLOLDVFRQGLFKDFODVHGHUHFHSWRUHV" 62. Se sabe que el 70% de la población económica activa del país tiene ingreso mensual menor de $1.900.000. Si se toma una muestra de 1.000 personas de tal población, encontrar la probabilidad de que entre 680 y 730 tengan ingresos menores de $1.900.000. 63. El gerente de un supermercado considera que de un total de 50 clientes que realizan compras D PHGLRGtD LQFOX\HQ OHFKH HQ VX FRPSUD HIHFW~D XQD PXHVWUD GH FOLHQWHV ¢&XiO HV OD SUREDELOLGDGGHTXHPHQRVGHFOLHQWHVFRPSUHOHFKHDPHGLRGtD" 64. En cierto proceso de producción se utiliza el siguiente sistema de control de calidad: se elige una muestra de 36 unidades; si el porcentaje de unidades de la muestra no excede el valor de p, se continúa el proceso. Si se sabe que el proceso ocasiona un 10% de unidades defectuosas, en promedio, determine el valor de p, para que exista un 6 2% de probabilidad de continuar el proceso, cuando la proporción de piezas defectuosas es inferior a p. 65. El jefe de bodega de una cadena de almacenes, recibe semanalmente 15.000 unidades de un determinado artículo, que debe ser examinado para su aceptación. El tiempo disponible para esta revisión es pequeño dado el volumen de artículos, por lo cual se consideró necesario la selección al azar de 300 artículos, con la recomendación de que si 15 o más de ellos no están en buen estado, se GHYXHOYHODPHUFDQFtD¢&XiOHVODSUREDELOLGDGGHGHYROYHUODVXQLGDGHVVLVDEHPRV TXHHOGHORVDUWtFXORVVHFRQVLGHUDQHQPDOHVWDGR" 66. Se toma una muestra aleatoria de 200 unidades producidas en una hora por un máquina. Se sabe que HOGHODVXQLGDGHVSURGXFLGDVVRQGHIHFWXRVDV¢&XiOHVODSUREDELOLGDGGHTXHHQODPXHVWUD WRPDGDRPiVDUWtFXORVUHVXOWHQGHIHFWXRVRV" 67. Un laboratorio lanza una nueva droga al mercado. Se asegura que en el 80% de los casos la droga HV H¿FD] 6L HQ XQD FOtQLFD VH VHOHFFLRQDQ SDFLHQWHV TXH SDGHFHQ GH OD PLVPD HQIHUPHGDG ¢TXpSUREDELOLGDG KD\ GH TXH VH SUHVHQWH XQD GLIHUHQFLD VXSHULRU DO D OR DVHJXUDGR SRU HO ODERUDWRULR" o o a at o t a t o a a DISTRIBUCIÓN DE DIFERENCIAS ENTRE DOS MEDIAS MUESTRALES x-y 6HWLHQHGRVSREODFLRQHVQRUPDOHVHLQGHSHQGLHQWHVLGHQWL¿FDGDVODSULPHUSRUX y la segunda por Y, de tamaños N1 y N2, cuyas medias se simbolizan por Px y Py y sus desviaciones típicas por Vx y Vy. Se obtiene un número (M) de pares de muestras posibles. Las medias muestrales de la primera población se LGHQWL¿FDQSRU [1 [2 [3 ...... [ 1 2 3 y las muestras de la segunda variable por \1 \2 \3 ...... Las desviaciones típicas muestrales respectivas serán: V V1 V2 V3 V , V V V \ y www.FreeLibros.org 1 2 3 294 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO MUESTRAS Población X 1 3 ..... 2 n1 2 1 3 μ σ \1 V1 \2 V2 \3 V3 \ V [1 V1 [2 V2 [3 V3 [ V n1 1 MUESTRAS n1 M n1 Población Y n2 1 n2 2 3 n2 M 1 3 ..... 2 2 μ σ n2 Ahora, si consideramos las diferencias para cada par, la media aritmética de dichas diferencias se simbolizará por Px–y donde: μ − = ∑ ([ − \ ) = ([1 − \1 )+ ([2 − \ 2 )+ 0 + ([ − \ 0 μ − = ∑[ 0 − ) ∑\ 0 Se puede demostrar que la media de las diferencias de todos los pares de medias muestrales posibles, es igual a la diferencia entre las medias poblacionales. μ − =μ −μ μ =μ −μ − La desviación típica de las diferencias entre los pares de medias muestrales se simboliza por: Vx–y y se calcula mediante la fórmula: σ − = ∑ [([ − \ )− ] − 0 2 La desviación típica de las diferencias entre los pares de medias muestrales, denominada también como error estándar de las diferencias entre las medias muestrales, es igual a: siendo: σ2 σ = Q1 2 σ − = σ +σ 2 2 σ2 σ = Q2 2 σ − = 2 σ2 σ + Q1 Q2 Suponiendo que la distribución de diferencias entre las medias muestrales tenga un comportamiento similar a la distribución normal, la variante estadística estará dada por la fórmula: == ([ − \ )− μ − == ([1 − [2 )− μ1 − μ 2 σ 12 σ 22 + Q1 Q2 www.FreeLibros.org σ − CAPÍTULO SIETE DISTRIBUCIONES MUESTRALES 295 También se pueden presentar por una de las siguientes formas: == ([ − \ ) − == μ −μ σ +σ 2 ([ − \ )− μ −μ 2 σ2 σ + Q1 Q2 2 Utilizamos la distribución normal como una aproximación, para resolver problemas de distribuciones de diferencias entre dos medias muestrales. μ σ Q1 [ μ == σ ([ − \ )− ( μ μ1 σ1 Q1 [1 −μ ) 2 σ2 σ + Q1 Q2 Q2 \ μ2 σ2 Q2 [2 Se puede aplicar esta distribución cuando no se conocen las varianzas poblacionales las cuales pueden ser sustituidas por varianzas muestrales siempre que sean mayores de 30. Hay autores que consideran su utilización si n1 + n2 > 30. Siendo su fórmula: == ([ − \ )− μ −μ 2 V2 V + Q1 Q2 [ −\ μ −μ 0 Ejemplo 1. Se tienen dos poblaciones normales e independientes, donde la media de la segunda población es 0,65 menor que la de la primera; si se seleccionan muestras de tamaño 100 y 120 y si las respectivas desviaciones típicas poblacionales son 12 y 8, se pide determinar la probabilidad de que, en un par de muestras, la diferencia entre ambas medias muestrales sea superior a 1 en valor absoluto. o μ − μ = 0,65 : μ1 − μ 2 = 0,65 ( σ − >1 σ2 + σ2 1 = = ( 1 = 100 = 100 2 2 = 120 σ = 12 σ =8 = 120 σ 1 = 12 σ2 = 8 )=? = − 1 − 2 )− ( μ σ = 144 64 + = 1, 40 100 120 −μ ) − 1 − 0,65 = 0,25 1,40 = 0,25 → (0,0987) = − 1 − 0,65 = −1,18 1,40 = −1,18 → (0,3810) = 1 − [0,0987 + 0,3810 ] www.FreeLibros.org ( − >1) = 1 − (0,4797 ) = 0,5203 = 52,03% ( − ≥1) = 52,03% 296 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO Ejemplo 2. Se obtiene una muestra aleatoria de 100 elementos de una población normal, que tiene media 50 y desviación estándar 8. Luego se selecciona otra muestra aleatoria de 400 elementos de una población normal, que tiene media 40 desviación estándar 12. Encontrar la probabilidad de que: a) la media de la primera muestra exceda a la de la segunda en 8 o más. E DPEDVPHGLDVGL¿HUDQHQYDORUDEVROXWRHQRPiV o 1 =100 : 1 ( = 100 2 = 400 μ = 50 μ = 40 σ =8 σ = 12 = 400 μ1 = 50 μ 2 = 40 σ1 = 8 σ 2 = 12 =? ( − ≥8 ) = 2 )− ( μ − σ2 1 + −μ ) σ2 2 = 8 − (50 − 40) = −2 64 + 144 100 400 0,4772 0,5000 = −2 → (0,4772) (0,4773) ( − ≥8 ) = 0,5000 + 0,4772 8 10 = 0,9772 = 97,72% -2 0 ( − ≥8 ) b) 3 − − ≥ 12 0 = = 12 − 10 = 2 1 2,2 0,4772 0,5000 = = 2 → $ 0,4772 12 10 12 3( 22 0 2 σ = 1 − 0,4772 + 0,5000 = 0,0228 − ≥ 12 ) = = =1 − ([1 − [2 ) − (μ1 − μ 2 ) σ 12 σ2 + 2 Q1 Q2 = = − 12 − 10 = −22 1 = = −22 → $ 0,5000 3( 3( = 0,5000 − 0,5000 = 0 = 0,022 0 = 0,022 = 2,2 ≥ 12 ) − ≥ −12 ) − [ −\ 3( − ≥ 12 ) = 2,2 Ejemplo 3. En un restaurante, el consumo medio por desayuno es de $4.980, con una desviación estándar de $950. En un segundo restaurante las correspondientes cifras son $4.238 y $820. Si se eligen al azar 80 EROHWDVGHSDJRGHOSULPHUUHVWDXUDQWH\XQDPXHVWUDDOHDWRULDGHGHOVHJXQGR¢FXiOHVODSUREDELOLGDG de que la diferencia entre los consumos medios de ambas muestras sea mayor que $1.000 en valor DEVROXWR" μ =4 0 μ = 4 23 σ = 50 σ = 20 Q1 = 0 μ1 = 4 0 μ 2 = 4 23 σ 1 = 50 σ 2 = 20 Q1 = 0 Q2 = 60 Q2 = 60 www.FreeLibros.org CAPÍTULO SIETE DISTRIBUCIONES MUESTRALES Solución: 3( == == == == μ −μ = 4 = − ≥ 1 000 ) 1 000 − 742 02 500 + 627 400 0 60 0 25 = 1,75 21 737, 2 0 − 4 23 = 742 0,4599 0,5000 4,01 1.000 1000 74 2 1.000 1000 11, 2 0 1,75 − 1 000 − 742 11 2 1,25 + 10 546,67 3( 297 − ≥ 1 000 ) [ −\ = 4,01 − 1 742 = −11, 2 21 737, 2 0,5000 = = 1,75 1,75 → $ 0,450,45 = = −11, 211,→2$ 0,5000 0,5000 0,45 0, 5 A= 0,5000 + 0,45 = 0, 5 3 = 1 − 0, 5 = 0,0401 = 4,01 Ejemplo 4. Dos marcas, A y B de tabletas antiácidas efervescentes registran el mismo promedio de disolución en agua, con desviación estándar de 12 segundos para la marca A y 24 segundos para B. 6XSRQLHQGR TXH HO WLHPSR GH GLVROXFLyQ HVWp QRUPDOPHQWH GLVWULEXLGR ¢FXiO HV OD SUREDELOLGDG GH que, con una muestra de 36 tabletas de cada marca, las tabletas B registren un promedio de tiempo de GLVROXFLyQFXDQGRPHQRVVHJXQGRVPiVUiSLGRTXH$" o == == : μ =μ ([ − \ )− (μ σ = 12 −μ σ = 24 Q1 = 36 Q2 = 36 144 576 + 36 36 = − >5) = ) 2 σ2 σ + Q1 Q2 5− 0 3( 0,36 6 5 4 + 16 = 1,12 3( − >5 ) 0,1314 0 5 0 1,12 [ −\ = 0,1314 = 13,14 = = 1,12 → $ 0,36 6 3 = 0,5000 − 0,36 6 = 0,1314 EJERCICIOS PARA RESOLVER La gran mayoría de los ejercicios de este libro, se encuentran resueltos en el Sistema de Información en Línea SIL. 68. De cada una de dos poblaciones normales e independientes con iguales medias desviaciones estándar de 6,40 y 7,20, se extraen muestras de 64 elementos. Encontrar la probabilidad de que la diferencia entre las medias de las muestras exceda de 0,60 en valor absoluto. www.FreeLibros.org 69. El rendimiento medio de los autos de la marca A es de 20 kilómetros por galón de gasolina, con una desviación estándar de 6 k.p.g. Las cifras comparables para los autos B son 25 y 5,5 k.p.g. Se 298 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO VXSRQHTXHHOUHQGLPLHQWRGHFDGDXQDGHDPEDVPDUFDVHVWiQRUPDOPHQWHGLVWULEXLGR¢&XiOHVOD probabilidad de que en un concurso, el rendimiento medio para 10 autos de la marca A sea mayor TXHHOGHDXWRVGHODPDUFD%" 70. En promedio, los estudiantes de la Universidad A se levantan 50 minutos después de la salida del sol, con una desviación estándar de 15 minutos. Los estudiantes de la Universidad B se levantan 60 minutos después de la salida del sol, con una desviación estándar de 18 minutos. Un grupo de 25 estudiantes de la Universidad A realiza un viaje junto con 20 alumnos de la B. Encontrar la probabilidad de que la hora media de levantada del grupo de la Universidad B sea más temprana que la del grupo de la Universidad A. 71. A y B fabrican dos tipos de cables, con una resistencia media a la rotura de 4.000 y 4.300 libras, con desviaciones típicas de 980 y 850 libras, respectivamente. Si se prueban 70 cables de A y 40 FDEOHVGH%¢FXiOHVODSUREDELOLGDGGHTXHODPHGLDGHUHVLVWHQFLDDODURWXUDGH$VHDDOPHQRV OLEUDVPiVTXH%" 72. El sueldo mensual de los licenciados en educación en Bogotá es de $920.000 como promedio, con una desviación estándar de $31.500. En la misma ciudad, el salario mensual de los economistas en la administración pública es de $925.000, con una desviación estándar de $52.500. Se toma una PXHVWUDDOHDWRULDGHGHFDGDSREODFLyQ¢&XiOHVODSUREDELOLGDGGHTXHODGLIHUHQFLDHQODV DVLJQDFLRQHV%VHDVXSHULRUDODVGH$HQ" 'RVIiEULFDV$\%SURGXFWRUDVGHERPELOODVD¿UPDQTXHHOSURPHGLRGHGXUDFLyQGHHOODVHVGH 1.500 y 1.450 horas, respectivamente, con desviaciones típicas de 90 y 100 horas. Si se compran ERPELOODVGHFDGDIiEULFD¢FXiOHVOHSUREDELOLGDGGHTXHODGLIHUHQFLDHQGXUDFLyQHQWUHODV GRVPDUFDVVHDPD\RUGHKRUDV" 74. Dos marcas de bombillas de alumbrado público, A y B tienen una duración promedio de 1.400 y 1.200 horas, respectivamente, y sus varianzas de 40.000 y 10.000 horas. Se extrae una muestra aleatoria de 125 por cada marca. Determine la probabilidad de que: a) La marca A tenga una vida media de por lo menos 160 horas más que B. b) La marca A tenga una vida media de por lo menos 250 horas más que B. 75. El tiempo promedio requerido para ejecutar un trabajo de ensamblaje es de 2 horas, con una desviación típica de 40 minutos y, el tiempo requerido para ejecutar otro trabajo o etapa en el ensamblaje es de una hora con cuarenta minutos, con una desviación típica de 32 minutos. Suponiendo que se GLVWULEX\HQQRUPDOPHQWH¢TXpSRUFHQWDMHGHYHFHVVHUiPD\RUHOSURPHGLRGHOSULPHUWUDEDMRFRQ UHODFLyQDOVHJXQGRVLVHWRPDQPXHVWUDVGHWDPDxR\UHVSHFWLYDPHQWH" 76. Dada la siguiente información acerca de las vidas útiles de dos marcas de pilas de 9 voltios Marca A (horas): media = 51; Desviación típica = 8; Marca B (horas): media = 50; desviación típica = 6. Si se selecciona una muestra aleatoria de 100 pilas de cada marca: D ¢FXiOHVODSUREDELOLGDGGHTXHODYLGD~WLOPHGLDGHODPDUFD$VHDVXSHULRUDGHODPDUFD%HQ 0,6 horas o más. b) Sea inferior a la de la marca B en 0,6 horas o más. www.FreeLibros.org 77. Por experiencia se sabe que el tiempo de trabajo promedio en un artículo con los tornos existentes es de 38,6 minutos (desviación típica de 13,8). El tiempo de trabajo promedio con los nuevos tornos CAPÍTULO SIETE DISTRIBUCIONES MUESTRALES 299 HVGHPLQXWRV GHVYLDFLyQWtSLFD 6LVHWRPDQGRVPXHVWUDVGHWRUQRVFDGDXQD¢&XiO es la probabilidad, al producir 900 artículos, que el promedio de diferencia de B con respecto a A, VHDVXSHULRUHQGRVPLQXWRV" 78. El tiempo promedio requerido para ejecutar un determinado trabajo es de 2 horas, mientras que para otro trabajo, otro grupo de trabajadores, gasta una hora cuarenta y cinco minutos. Se sabe que la GHVYLDFLyQHVWiQGDUSDUDFDGDXQRGHHVWRVWUDEDMRVHVGH\PLQXWRVUHVSHFWLYDPHQWH¢&XiOHV la probabilidad, si se toman dos muestras de 30 trabajadores cada una, de que el promedio requerido SDUDHMHFXWDUHOVHJXQGRWUDEDMRVHDPD\RUTXHHOSULPHUR" 79. El promedio de los obreros, en una fábrica textil, es de 34 años con desviación estándar de 6 años, DGHPiVHOSURPHGLRGHHGDGGHODVREUHUDVHVGHDxRVFRQGHVYLDFLyQHVWiQGDUGHDxRV¢&XiO es la probabilidad, al tomar muestras de 20 obreros de cada sexo, de que el promedio de edad de las PXMHUHVUHVXOWHPD\RUTXHHOGHORVKRPEUHV" 80. Cierto artefacto eléctrico tiene una vida promedio de 2.600 horas, con desviación típica de 200 horas; mientras que el mismo artefacto de fabricación extranjera tiene un promedio de duración de 2.400 horas, con desviación estándar de 180 horas. Si se toman dos muestras de 125 y 100 DUWHIDFWRVUHVSHFWLYDPHQWH¢FXiOHVODSUREDELOLGDGGHTXHODGLIHUHQFLDUHJLVWUDGDHQWUHODVGRV PXHVWUDVVHDVXSHULRUHQKRUDV" 81. Se sabe que los pesos de ciertas bolsitas aromáticas tienen una media de 25 gramos, con desviación WtSLFDGHJUDPRV6LVHWRPDQGRVPXHVWUDVGHEROVLWDVFDGDXQD¢FXiOHVODSRVLELOLGDGGH TXHORVUHVXOWDGRVGHHVWDVPXHVWUDVGL¿HUDQHQPiVGHJUDPRV" o o a at o t a t o a a DISTRIBUCIÓN DE DIFERENCIAS ENTRE DOS PROPORCIONES MUESTRALES P1 - P2 En el caso de dos poblaciones independientes, de tamaño N1 y N2, distribuidas binomialmente, con parámetros, medias proporcionales P1 y P2 (también se le pueden representar las medias por PP1 y PP2 y desviaciones proporcionales VP1 y VP2 siendo: σ 1 = 31 41 y σ 2 = 32 42 . El error estándar de las diferencias entre las dos medias proporcionales estará dada por VP1 – P2 siendo: σ 1− 2 = 31 41 32 42 + Q1 Q2 Cuando se trabaja con parámetros o valores poblacionales Las proporciones P1 y P2 son poblacionales, y se simbolizan con letras mayúsculas. Luego cuando son muestrales, se utilizan letras minúsculas p1 y p2. Cuando n1 y n2 corresponden a muestras grandes, es decir, ambas superiores a 30, se tendrá, que el error estándar de las diferencias entre dos proporciones es: V 1− 2 = S1 T1 S2 T2 + Q1 Q2 La media de las diferencias entre dos medias proporcionales, se simboliza; indistintamente por: www.FreeLibros.org PP1– PP2 = PP1– PP2 = P1– P2 300 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO La variante estadística Z, estará dada en la misma forma que fue presentada para diferencias entre dos medias muestrales: == (S1 − S2 )− (μ −μ 1 2 ) 31 41 32 42 + Q1 Q2 En este Capítulo, en todos los ejercicios de proporciones se trabajará con P1 y P2 (mayúsculas), en vez de p1 y p2 aunque las muestras sean pequeñas, menores de 30, cuando se calcula el error estandar proporcional. S1 − S2 31 − 32 0 Ejemplo 1. Consideremos dos máquinas que producen un determinado artículo; la primera produce por término medio un 14% de artículos defectuosos, en tanto que otra, produce el 20% de artículos GHIHFWXRVRVVLVHREWLHQHQPXHVWUDVGHXQLGDGHVHQODSULPHUD\XQLGDGHVHQODVHJXQGD¢FXiO HVODSUREDELOLGDGGHTXHGL¿HUD$GH%HQRPiV" o : 3 1− 2 == == == ≥ 0, 0 = Q1 = 200 (S1 − S2 )− (μ 1 −μ 2 Q2 = 100 31 = 14 32 = 20 ) 31 41 32 42 + Q1 Q2 0,4 0,0 − −0,06 0,14 0, 6 0,2 0, + 200 100 3 3 0,14 = 2, 0,047 = = 2, → $ 0,4 0,0014 6 0,06 0,0 0 2, 1 − 2 ≥ 0,0 = 0,5000 − 0,4 1 − 2 ≥ 0,0 = 0,0014 = 0,14 3 6 1− 2 ≥ 0,0 S1 − S 2 6 = 0,14 Ejemplo 2. Dos fábricas A y B, producen artículos similares. La producción de A contiene 7% de defectuosos, y la de B contiene, 5%. Si se extrae una muestra aleatoria de 2.000 de cada una de las SURGXFFLRQHVGHODVIiEULFDV¢FXiOHVODSUREDELOLGDGGHTXHODVGRVPXHVWUDVUHYHOHQXQDGLIHUHQFLDHQ HOQ~PHURGHORVGHIHFWXRVRVGHORPiV" o : 3 = 0,07 == 3 = 0,05 Q1 = 2 000 Q2 = 2 000 (S1 − S2 )− (31 − 32 ) 31 41 32 42 + Q1 Q2 3( 1 − 0,40 2 2≥ 0 , 01 ) 0,5000 0 www.FreeLibros.org == 0,01 − 0,02 0,07 0, 3 0,05 0, 5 + 2 000 2 000 0,01 0,01 0,02 -4 1,33 0 S1 − S 2 CAPÍTULO SIETE DISTRIBUCIONES MUESTRALES == − 0,01 = −1,33 0,0075 == − 0,01 − 0,02 = −4 0,0075 301 3 = 0,5000 + 0,40 2 = 0, 0 2 3( 1 − 2≥ 0 , 01 ) = 0, 2 = = −1,33 → $ (0,40 2 ) = = − 4 → $ (0,5000) Ejemplo 36HVDEHTXHFLHUWDPDUFDGHFUHPDSDUDODVPDQRVVDWLVIDFHHGHOPHUFDGR¢&XiOHVOD probabilidad de que dos muestras aleatorias de 200 usuarios cada una, muestre una diferencia mayor del HQODVSURSRUFLRQHVGHXVRGHODFUHPD" o : 31 − 32 = 0 3( 1− 2 > 0 ,10 )= 31 = 0,65 32 = 0,65 0,4 21 == == (S1 − S2 )− (31 − 32 ) 0,4 21 0,0179 31 41 32 42 + Q1 Q2 0,10 − 0 = 2,1 0,65 0,35 0,65 0,35 + 200 200 − 0,10 − 0 − 0,10 == = = −2,1 0,0477 0,0477 0,0179 0,10 0 0,10 2,1 0 2,1 S1 − S 2 A = 0,4 21 + 0,4 21 = 0, 642 3( 1− 2> 0 ,10 ) 3( 1− = 1,0000 − 0, 642 = 0,035 2> 0 ,10 ) = 3,5 = = 2,1 → $ 0,4 21 = = −2,1 → $ (0,4 21) Ejemplo 4. Suponga que una máquina A produce, por término medio, un 12% de piezas defectuosas, en tanto que la máquina B, el 18% de piezas con defectos. Se desea hallar la probabilidad de que el SURPHGLRGHGHIHFWXRVDVGHXQDPXHVWUDGHXQLGDGHVWRPDGDGHODPiTXLQD$QRGL¿HUDHQPiVGH un 8 % de otra muestra de 400 unidades, de la máquina B. o : 31 = 0,12 == == 32 = 0,18 Q1 = 600 Q2 = 400 3( 1− 2 < 0 , 08 ) = (S1 − S2 )− (31 − 32 ) 31 41 32 42 + Q1 Q2 0,0 − −0,06 0,12 0, 0,1 0, 2 + 600 400 0,3051 0,5000 S1 − S 2 www.FreeLibros.org 0,0 0,06 0,0 0, 6 0 6 302 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO 600 == == == 400 0, 6 0,14 =6 0,0233 − 0,0 − −0,06 0,12 0, 0,1 0, 2 + 600 400 − 0,02 = −0, 6 0,0233 6 0 = = 6 → $ 0,5000 = = − 0, 6 → $ (0,3051) 3( 1− 2< ) = 0,5000 + 0,3051 = 0, 051 0,0 3( 1− 2< 0,0 ) = 0,51 Ejemplo 5. Ciertas encuestas a televidentes, revelan que el 25% de los hombres y 33% de las mujeres GH FODVH PHGLD YHQ OD WHOHQRYHOD GH ODV \ GH OD PDxDQD ¢&XiO HV OD SUREDELOLGDG GH TXH HQ dos muestras aleatorias de 150 hombres y 100 mujeres respectivamente, pertenecientes a dicho estrato social, se encuentre que la proporción de hombres que han visto el programa sea igual o mayor que la SURSRUFLyQGHPXMHUHV" o : 31 = 0,25 == == 32 = 0,33 Q1 = 150 Q2 = 100 3( 1 − 0 − 0,25 − 0,33 0,25 0,75 0,33 0,67 + 150 100 >0) = 0,4131 0,0869 0,5 6 0,0 = 1,36 00,,05 05 33 = = 1,36 → $ 0,4131 3( 1 − 2 >0 ) = 0,5000 − 0,4131 = 0,0 6 2 3( 1 − 0,0 0 0 1,36 2 >0 S1 − S 2 ) = 8,6 EJERCICIOS PARA RESOLVER La gran mayoría de los ejercicios de este libro, se encuentran resueltos en el Sistema de Información en Línea SIL. 82. Ciertas encuestas realizadas en una ciudad de la costa, revelan que el 25% de los hombres y el 33% GHODVPXMHUHVHVFXFKDQFLHUWRSURJUDPDUDGLDO¢&XiOHVODSUREDELOLGDGGHTXHHQGRVPXHVWUDV de 150 hombres y 100 mujeres respectivamente, domiciliados en dicha ciudad, se encuentre que la SURSRUFLyQGHPXMHUHVTXHHVFXFKDQHOSURJUDPDVHDPHQRURLJXDODODSURSRUFLyQGHKRPEUHV" 83. En dos fábricas A y B, que producen camisas para hombre, se sabe que el 17% y 15% de la producción HVGHIHFWXRVD6LVHH[WUDHXQDPXHVWUDGHFDPLVDVGHFDGDORWHSURGXFLGRHQODVIiEULFDV¢&XiO HVODSUREDELOLGDGGHTXHODVGRVPXHVWUDVUHYHOHQXQDGLIHUHQFLDVXSHULRUDO" 6HVDEHTXHFLHUWDPDUFDGHGHQWtIULFRVDWLVIDFHHOGHOPHUFDGR¢&XiOHVODSUREDELOLGDGGH que dos muestras aleatorias de 200 usuarios cada una, revele una diferencia mayor del 10% en las SURSRUFLRQHVGHOXVRGHOGHQWtIULFR" www.FreeLibros.org CAPÍTULO SIETE DISTRIBUCIONES MUESTRALES 303 85. Ciertas encuestas sobre un programa de televisión revelan que el 28% de los hombres y el 38% GH ODV PXMHUHV GH FODVH PHGLD YHQ GLFKR SURJUDPD ¢&XiO HV OD SUREDELOLGDG GH TXH HQ GRV muestras aleatorias de 150 hombres y 100 mujeres respectivamente, pertenecientes a dicho estrato, se encuentre que la proporción de hombres que han visto el programa sea igual o mayor que la SURSRUFLyQGHPXMHUHV" 86. Se sabe que cierto producto satisface el 72% del mercado. Seleccionamos dos muestras LQGHSHQGLHQWHV GHODPLVPDSREODFLyQGHWDPDxRFDGDXQD¢+DOODUODSUREDELOLGDGGHTXH revelen una diferencia: a) mayor del 6%. E HQODVHJXQGDPXHVWUDODGLIHUHQFLDVHDVXSHULRUHQXQ" 87. El 12% de la producción de una máquina es defectuosa, mientras que en otra similar es del 15%. Si VHH[WUDHQGRVPXHVWUDVGHWDPDxRV\UHVSHFWLYDPHQWH¢&XiOHVODSUREDELOLGDG HQFXDQWR al porcentaje de defectuosos): a) que las dos muestras revelen una diferencia superior al 3%. E TXHHOSRUFHQWDMHHQODPXHVWUD$VHDVXSHULRUDODGH%" 88. Es sabido que los porcentajes de familias con ingreso superior a $570.000 en las ciudades A y B es de 25% y 20%, respectivamente. Se seleccionan al azar dos muestras de 100 familias en cada una de las dos ciudades y se comparan las proporciones muestrales de las familias con ingreso VXSHULRUD¢&XiOHVODSUREDELOLGDGGHTXHODSURSRUFLyQPXHVWUDOFRUUHVSRQGLHQWHDOD ciudad B sea: D PD\RUTXHODGH$HQRPiV E PHQRUTXHODGH$HQRPiV" 89. En una agencia de empleo se sabe que por cada 100 personas que lo solicitan, 50, además de ser bachilleres, tienen alguna experiencia sobre el trabajo a desarrollar. Se extraen 2 muestras de la PLVPDSREODFLyQHQIRUPDLQGHSHQGLHQWHGHWDPDxRFDGDXQD¢&XiOHVODSUREDELOLGDGGHTXH ODVGRVPXHVWUDVGL¿HUDQHQRPiVSHUVRQDVTXHWHQJDQDOJXQDH[SHULHQFLDVREUHHOWUDEDMR" 90. En dos fábricas A y B, que producen determinados artículos para hombre; se sabe que el 8 y 12% de la producción es defectuosa. Si se extrae una muestra de 400 artículos de cada lote producido, en cada IiEULFDFXiOHVODSUREDELOLGDGGHTXHODVGRVPXHVWUDVUHYHOHQXQDGLIHUHQFLDLQIHULRUDO" o o a at o t a t o a a TAMAÑO DE LA MUESTRA Hasta ahora, se ha venido considerando el tamaño (n) de la muestra conocido, pero para determinarlo, HVQHFHVDULRLGHQWL¿FDUORVVLJXLHQWHVFRPSRQHQWHVRHOHPHQWRVWpFQLFRV La varianza (Vx2 ). Corresponde al grado de variabilidad que presentan las unidades de la población. Mientras más grande sea V2 mayor será el tamaño de la muestra. El valor de Vx2 supuestamente conocido, de lo contrario se debe estimar a través de una investigación preliminar. En el caso de Vp2ҏ PQ, sucede algo similar, pero se tiene la costumbre de tomar P = 0,50 con lo cual se obtiene el máximo valor posible de n. www.FreeLibros.org 304 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO / ) . Tiene relación directa con el tamaño de la muestra, por lo tanto se dirá que DPD\RUQLYHOGHFRQ¿DQ]DPiVJUDQGHGHEHVHUHOWDPDxRGHODPXHVWUD/RVYDORUHVGH=VH REWLHQHQPHGLDQWHHOXVRGHWDEODVWDOFRPRVHKDYHQLGRKDFLHQGR(OQLYHOGHVLJQL¿FDFLyQHV ¿MDGRSRUHOLQYHVWLJDGRUGHDFXHUGRFRQVXH[SHULHQFLD Precisión de la estimación&RUUHVSRQGHDOPDUJHQGHHUURUTXHHOLQYHVWLJDGRU¿MDGHDFXHUGR con el conocimiento que tenga acerca del parámetro que piensa estimar. Se le conoce como error de muestreo (E), siendo: (== σ Q (== σ Q 1 −Q 1 −1 K ( % , no entran dentro de la determinación técnica del tamaño de la muestra, pero es de suma importancia al establecer el tamaño de las investigaciones. Cálculo de ^ /DIyUPXODSDUDFDOFXODUHOWDPDxRySWLPRHQHOPXHVWUHRDOHDWRULRVLPSOHHQXQDSREODFLyQLQ¿QLWDVH obtiene así: == [−μ → σ Q (UURU = =σ → GH GRQGH Q ( = [ −μ (En la variable) (En la proporción) 2 Siendo: Q = =σ ( 2 2 Q = ⎛⎜ =σ ⎞⎟ = = σ2 ⎝ ( ⎠ ( Q= = 2 34 (2 Ejemplo 1. El mantenimiento de cuentas puede resultar demasiado costoso, si el promedio de compra por cuenta, baja de cierto nivel. El gerente de un gran almacén por departamentos desea estimar el promedio de lo comprado mensualmente por los clientes que usan la cuenta de crédito, con un error de $2.500, y XQDSUREDELOLGDGDSUR[LPDGDGH¢&XiQWDVFXHQWDVGHEHUiVHOHFFLRQDUVLVDEHTXHODGHVYLDFLyQ HVWiQGDUHVGHODFXDOIXHREWHQLGDGHORVEDODQFHVPHQVXDOHVGHODVFXHQWDVGHFUpGLWR" o : 2 1, 6 2 30 000 Q = ⎛⎜ =σ ⎞⎟ = ⎝ ( ⎠ 2 500 2 2 = 553,1 = 554 Q = 554 FXHQWDV Nota: siempre el resultado obtenido se redondea al n mero superior, por peque a que sea la fracción. Ejemplo 28QDXGLWRUGHVHDWHQHUXQQLYHOGHFRQ¿DQ]DGHOSDUDTXHODYHUGDGHUDSURSRUFLyQGH HUURUQRH[FHGDGHO6LODSREODFLyQHVPX\JUDQGH¢TXpWDPDxRWHQGUiODPXHVWUDTXHYDDWRPDUVH VLHODXGLWRUHVWLPDTXHODSURSRUFLyQGHHUURUHVGHO" = 2 34 1, 6 2 0,05 0, 5 = = 456,1 = 457 cuentas 0,02 2 (2 www.FreeLibros.org Q= Q = 457 FXHQWDV CAPÍTULO SIETE DISTRIBUCIONES MUESTRALES 305 Ejemplo 3. De una remesa, de la cual se tomó una muestra de 200 artículos, se encontró que 20 de ellos HUDQGHIHFWXRVRV&RQXQDFRQ¿DQ]DGHOFDOFXODUHOHUURUGHODPXHVWUD o : = 34 Q= (2 2 (2 = = 2 34 Q (== 34 0,10 0, 0 = 1, 6 = 0,04157 Q 200 S = 20 = 0,10 ⇒ 3 200 ( = 4,16 Ejemplo 48QD¿UPDFRQVWUXFWRUDGHVHDHVWLPDUODUHVLVWHQFLDSURPHGLRGHODVEDUUDVGHDFHURXWLOL]DGDV HQODFRQVWUXFFLyQGHHGL¿FLRVGHDSDUWDPHQWRV¢4XpWDPDxRGHPXHVWUDVHUHTXLHUHSDUDJDUDQWL]DUTXH KDEUiXQULHVJRGHVyORGHVREUHSDVDUXQHUURUGHNJRPiVHQODHVWLPDFLyQ"/DGHVYLDFLyQ estándar de la resistencia de este tipo de barras se estima en 50 libras. o : ( = 5 .J =10 OLEUDV 3 = 1 − 0,001 = 0, 5 }→ = = 3,27 3= 0, Q= 3,27 2 (2.500) = 267,32 = 268 10 2 = 0,4 2 σ = 6 = 50 OLEUDV σ2 = 62 = 2.500 OLEUDV 2 Q = 268 EDUUDV Ejemplo 5. En un día, la producción de tarjetas perforadas por una persona se encuentra en una gaveta. Se desea estimar el porcentaje de tarjetas que tiene al menos un error, mediante una muestra aleatoria VLPSOH¢4XpWDPDxRGHPXHVWUDHVQHFHVDULRVLVHSLHQVDTXHHOSRUFHQWDMHHVWiHQWUHHO\"6H DFHSWDXQHUURUHVWiQGDUGHO\FRQ¿DQ]DGHO o : = 2 34 1, 6 2 0,0 0, 2 = = 314,15 ≅ 315 Q = 315 WDUMHWDV (2 0,032 En este caso se toma el valor de P más cercano a 0,50. También se puede tomar el promedio, es decir P = 4 +2 = 6 por lo tanto 2el tamaño n será: Q= Q= 1, 6 2 0,06 0, 4 = 240,74 ≅ 241 WDUMHWDV 0,032 Q = 241 WDUMHWDV Ejemplo 6. ¢4Xp WDPDxR GH PXHVWUD HV QHFHVDULR VL VH FRQVLGHUD XQD FRQ¿DQ]D GHO SDUD OD SURSRUFLyQGHODSREODFLyQ\HOHUURUHVGHO" o Q= : 1,64 2 0,50 0,50 = 105,06 ≅ 106 0,0 2 Q =106 Observe que no se conoce el valor de P; en estos casos, se acostumbra tomar el valor de 0,50 con lo cual se obtiene el máximo valor de n. www.FreeLibros.org 306 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO Ejemplo 7¢4XpWDPDxRGHPXHVWUDSDUHFHUD]RQDEOHSDUDXQQLYHOGHFRQ¿DQ]DGHOFRQXQHUURU de 2 en cualquier sentido ( + VLODGHVYLDFLyQHVWiQGDUHV" o : 2 2,57 12 22 Q= 2 = 237,7 ≅ 23 Q = 23 * ^ /D IyUPXOD SDUD HO WDPDxR ySWLPR HQ HO PXHVWUHR DOHDWRULR VLPSOH FXDQGR OD SREODFLyQ HV ¿QLWD VH obtiene: ⎛ = 2σ 2 ⎞ ⎛ 1 − Q ⎞ 1 −Q ⎟⎜ ⇒ ( 2 = ⎜⎜ ⎟ ⎟ 1 ⎝ Q ⎠⎝ 1 ⎠ [−μ =σ ⇒ (= Q σ 1 −Q Q 1 −1 = = Siendo Q = = 2 1σ 2 también: 1( 2 + = 2σ 2 La fórmula más utilizada Q = Q= Q0 Q 1+ 0 1 σ2 2 2 ⎛⎜ ( ⎞⎟ + σ 1 ⎝= ⎠ 2 2 2 GRQGHĺ Q0 = = σ2 = ⎛⎜ =σ ⎞⎟ ⎝ ( ⎠ ( /DVDQWHULRUHVIyUPXODVTXHVHDSOLFDQHQYDULDEOHVWDPELpQFRQXQDSHTXHxDPRGL¿FDFLyQSXHGHQ ser utilizadas en atributos, es decir, cuando se calculan proporciones. Las fórmulas son: = 2 1 34 (1 − 1)( 2 + = 2 34 Q= Q= ó Q= ó Q0 Q 1+ 0 1 siendo → Q0 = 34 2 ⎛⎜ ( ⎞⎟ + 34 1 ⎝=⎠ = 2 34 (2 n0 se considera como primera aproximación, dado que algunos investigadores utilizan su valor, por considerarlo que económicamente, al igual que el tiempo y los recursos humanos disponibles lo permiten. Ejemplo 8.6LHOHMHPSOR HQSREODFLRQHVLQ¿QLWDVGLMHUDTXHHOWRWDOGHFXHQWDVGHFUpGLWRHVGH ¢FXiOVHUtDHOWDPDxRGHODPXHVWUD" o Q= : =2 1σ 2 1, 62 4 000 30 000 2 = 1( 2 + = 2σ 2 4 000 1 500 2 + 1, 62 30 000 también: Q = σ2 2 2 ⎛⎜ ( ⎞⎟ + σ 1 ⎝= ⎠ = 2 = 1 110,16 = 1 111 FXHQWDV 30 0002 = 1 111 FXHQWDV 2 2 ⎛⎜ 1 500 ⎞⎟ + 30 000 4 000 ⎝1 6 ⎠ www.FreeLibros.org Q = 1 111 FXHQWDV CAPÍTULO SIETE DISTRIBUCIONES MUESTRALES 307 Ejemplo . Un investigador está interesado en estimar la ganancia en peso total, en 0 a 4 semanas de 1.000 pollitos alimentados con una nueva ración. Obviamente, pesar cada ave sería tedioso y llevaría demasiado tiempo. Por lo tanto, se debe determinar el número de pollitos a seleccionar en una muestra, para estimar el total con un límite para el error de estimación igual a 1.000 gramos. Muchos estudios similares sobre nutrición de pollitos se han llevado a cabo en el pasado. Usando datos de estos estudios, el investigador encontró que la varianza es, aproximadamente, de 36 gramos. Determine el tamaño de PXHVWUDUHTXHULGRFRQXQFRQ¿DQ]DGHO : 1 = 1 000 o 3= 5 ( =1.000 ( Q = (= ) = = 1, 6 V2 = σ 2 1.000 =1 ( 1.000 ) 1 =2 62 1.000 (1, 6) 2 (36) = = 121,60 ≅ 122 SROOLWRV (1 − 1)( 2 + = 2 6 2 (1) 2 + 1, 6 2 (36) Q =122 SROOLWRV Ejemplo 10. Se desea realizar una investigación sobre el número de unidades que se encuentran en mal estado en 4.000 cajas y la proporción de cajas que contienen unidades en mal estado. Se realiza una encuesta preliminar de 80 cajas con el siguiente resultado, presentado en una tabla de frecuencias: No. DE UNIDADES DEFECTUOSAS: 0 1 2 3 4 5 10 12 No. DE CAJAS EXAMINADAS: 37 16 8 8 4 2 2 3 Determinar el tamaño de muestras que cumpla con las dos condiciones. Para ello el investigador debe establecer XQHUURUGHOSDUDHOSURPHGLRGHOSDUDODSURSRUFLyQ\XQDFRQ¿DQ]DGHOSDUDDPERVFDVRV o : a) = = 1, 6 V2 = Q= 1 = 4 000 ∑ [2Q Q − Q[ 2 = [= 66 − 0 1,725 0 2 ∑[ Q P = 7, 5 = 13 = 1,725 ≅ 1,73 0 ( = 0,06 1,73 = 0,10 1, 6 2 4 000 7, 5 = 1 720 FDMDV 4 000 0,10 2 + 1, 6 2 7, 5 Q = 1 720 FDMDV 0 − 37 = 43 = 0,5375 = 0,54 b) S = 0 0 Q= 4 000 1, 6 2 0,54 0,46 = 66 FDMDV 4 000 0,12 2 + 1, 6 2 0,54 0,46 Q = 66 FDMDV El tamaño óptimo es de 1.720 cajas, ya que se toma el mayor valor de n calculado.. Ejemplo 11. El Departamento de Tránsito y Transporte requiere estimar la proporción de conductores FRQH[SHULHQFLDGHXQDxRRPHQRVTXHSXHGDQFODVL¿FDUVHFRPRFRQGXFWRUHVGHVFXLGDGRV¢'HTXp WDPDxRGHEHUiVHUODPXHVWUDD¿QGHTXHORVUHVXOWDGRVHVWpQGHQWURGHXQFRQXQDFRQ¿DQ]DGHO "6HHVSHUDREVHUYDUTXHDSUR[LPDGDPHQWHóGHOWRWDOGHFRQGXFWRUHVVHDQGHVFXLGDGRV www.FreeLibros.org 308 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO Q= = 2 34 1, 6 2 0,25 0,75 Q = = 1 00,75 ≅ 1 01 Conductores con experiencia de un año o (2 0,022 Q =1.801 conductores menos Ejemplo 12. Si en el ejercicio anterior se dijera que el número de conductores a investigar, es de 10.000, ¢FXiOVHUiHOWDPDxRGHODPXHVWUD" FRPRHMHUFLFLRGHDSOLFDFLyQXWLOL]DPRVODVGLIHUHQWHVIyUPXODV vistas). Q= Q= 34 Q= 2 ⎛⎜ ( ⎞⎟ + 34 1 ⎝= ⎠ = 2 1 34 1( 2 + = 2 34 Q0 = = 2 34 (2 0,25 0,75 = 1 526 Conductores con experiencia de un año o menos 2 ⎛ 0,02 ⎞ + 0,25 0,75 ⎜1,6 ⎟ 10 000 ⎝ ⎠ Q =1 526 conductores Q= Q = 1, 6 2 10 000 0,25 0,75 = 1 526 conductores 10 000 0,02 2 + 1, 6 2 0,25 0,75 1, 62 0,25 0,75 = 1 00,75 0,022 Q= 1 00,75 = 1 526 FRQGXFWRUHV 1 00,75 1+ 10 000 Ejemplo 13. Un investigador asegura que el promedio salarial de los obreros, en cierto sector industrial es de $822.000 y sus edades oscilan entre 17 y 38 años; además, sus gastos en alimentación deben encontrarse entre el 40% y 60% de su salario. Se desea estimar el salario promedio, (suponiendo una desviación típica d $33.600); al mismo tiempo el porcentaje de sus gastos en alimentación. Se considera XQHUURUGHOSDUDHOSURPHGLR\GHOSDUDODSURSRUFLyQDGHPiVODFRQ¿DQ]DVHUiGHO\XQ WRWDOGHREUHURV¢FXiOVHUiHOWDPDxRySWLPRSDUDODVGRVFDUDFWHUtVWLFDV" a) Q0 = (= =2 62 (2 Q= 1, 62 33 600 2 = 2 ,53 12 3302 Q= 2 ,53 = 2 obreros 2 ,53 1+ 4 300 [ = 0,015 22 000 = 12 330 Q = 2 obreros Tama o con corrección. Si al calcular el tamaño de la muestra (n) o la primera aproximación (no), se utiliza la desviación típica o la varianza proveniente de un encuesta preliminar o piloto (np), de tamaño PHQRUGHDOJXQRVSUH¿HUHQDSOLFDUXQIDFWRUGHFRUUHFFLyQD¿QGHTXHn o no, sean un poco mayor, dado que la desviación típica estimada (s) va a ser menor que la poblacional (V). De acuerdo a lo anterior se tendrá que: ⎤ ⎡ 2 2⎤ ⎡ Q = Q0 = ⎢ ] V2 ⎥ ⎢1 + 2 ⎥ Q ⎣ ( ⎦ ⎣ ⎦ Q= Q0 Q 1+ 0 1 np = tamaño de la muestra piloto Nota: Esta fórmula fue aplicada en algunos ejercicios para resolver, problemas que se presentan desarrollados en el SIL. www.FreeLibros.org CAPÍTULO SIETE DISTRIBUCIONES MUESTRALES 309 EJERCICIOS PARA RESOLVER La gran mayoría de los ejercicios de este libro, se encuentran resueltos en el Sistema de Información en Línea SIL. En el capítulo 13 se explica nuevamente el tema, con más ejercicios de aplicación, por la importancia que tiene para el investigador 91. De una población, N = 10.000 personas nos proponemos obtener una muestra, para estimar el ingreso promedio por persona. Se quiere que la estimación muestra, no se aparte en más de $5.000 del promedio verdadero y que esto se cumpla en 95 de cada 100 casos. La desviación típica es de ¢&XiOVHUiHOWDPDxRySWLPR" 92. Supongamos que en un área dada, la proporción de explotaciones agropecuarias que poseen energía HVGH¢&XiOVHUiHOHUURUGHPXHVWUHRGHODHVWLPDFLyQXWLOL]DQGRXQDPXHVWUDDOD]DUGH H[SORWDFLRQHVFRQXQDFRQ¿DQ]DGHOXQWRWDOGHH[SORWDFLRQHV" 93. ¢4XpWDPDxRGHEHUiWHQHUXQDPXHVWUDSDUDHVWLPDUGHQWURGHOODSURSRUFLyQGHPXMHUHVFDVDGDV que van periódicamente a consulta ginecológica, en una población de 5.000 mujeres y una seguridad GHO" 94. Se desea estimar el costo promedio de matrículas de los estudiantes universitarios de la ciudad. Por estudios anteriores y a precios actuales se sabe que la desviación típica es de $18.000. a) Calcular el WDPDxRPXHVWUDO¿MDQGRSDUDHOORXQHUURUGH+\XQDFRQ¿DQ]DGHOE 6LVHFRQVLGHUDTXH ODSREODFLyQHVWXGLDQWLOTXHVHGHVHDLQYHVWLJDUHVGH¢FXiOVHUtDHOYDORUGHn"F &DOFXODUHO valor de n si se desea estimar el valor total de la matrícula cancelada por los 12.000 estudiantes. 95. La gerencia de una empresa manufacturera desea hacer una investigación entre sus trabajadores, FRQHO¿QGHHVWDEOHFHUVLDWUDYpVGHFXUVRVGHHQWUHQDPLHQWR\SURJUDPDVGHPHMRUDPLHQWRGHODV condiciones del trabajo, tanto en la empresa como en su vida familiar, se logra elevar el rendimiento del personal. Con la ayuda de un experto en estudios de tiempos y movimientos, además de una trabajadora social, se realiza una encuesta preliminar en 70 de los 3.600 trabajadores. Algunos resultados de la encuesta fueron: a) el tiempo promedio necesario para realizar una operación fue de 40 minutos, con una varianza de 2,4 horas. b) 44 de los trabajadores son casados o de unión libre. c) El total de gastos mensuales en recreación de los hijos fue de $59.000, con una desviación típica del promedio igual a $325,oo. Nota: Las 3 características anteriores se consideran importantes en la determinación del tamaño GH OD PXHVWUD 6H KD ¿MDGR XQ FRH¿FLHQWH GH FRQ¿DELOLGDG GH XQ HUURU GHO SDUD HO SURPHGLR\SDUDODSURSRUFLyQ¢4XpWDPDxRGH nUHFRPHQGDUtDXVWHG" 96. En un barrio residencial se espera que el 60% de las familias tengan vehículo propio. Se desea hacer una investigación para estimar la proporción de familias propietarias de vehículo, con un intervalo GHFRQ¿DQ]DFX\DDPSOLWXGQRVHDPD\RUGH\XQFRH¿FLHQWHGHFRQ¿DQ]DGHO a) Determinar el tamaño de la muestra. E ¢4XpVXFHGHUtDVL3 "¢VLHVLJXDOD" F (QHOFDVRGHODSDUWHD VLVHFRQRFHHOQ~PHURGHIDPLOLDVHQHOEDUULR 1 ¢FXiOVHUtD HOWDPDxRGHODPXHVWUD" www.FreeLibros.org 310 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO 97. Un estimativo de la proporción de artículos alterados de un inventario en depósito, bajo condiciones GHVIDYRUDEOHVHVREWHQLGRFRQXQHUURUPi[LPRGH\XQFRH¿FLHQWHGHFRQ¿DQ]DGHO El total consta de 20.000 artículos y se estima por anticipado que la proporción de artículos no DOWHUDGRVHVGHO¢&XiOGHEHVHUHOWDPDxRGHODPXHVWUDSDUDDVHJXUDUXQHVWLPDWLYRGHQWURGH ODSUHFLVLyQGHVHDGD" 8QDR¿FLQDGHLQYHVWLJDFLRQHVVREUHVDOXGFRQVLGHUDTXHHOGHODVSHUVRQDVDGXOWDVGHXQD UHJLyQSDGHFHQFLHUWDHQIHUPHGDGSDUDVLWDULD¢&XiQWDVSHUVRQDVWHQGUiQTXHVHOHFFLRQDUVHHQOD PXHVWUDDOD]DUSDUDTXHHOHUURUGHOHVWLPDGRGHODSURSRUFLyQVHDGHO\WHQJDXQDFRQ¿DQ]D GHO" 99. Interesa estimar el número promedio de accidentes de tránsito en una ciudad. Durante un año GtDV VHGHWHUPLQDXQDGHVYLDFLyQWtSLFDGHDFFLGHQWHVGLDULRV¢&XiQWRVGtDV WDPDxR de la muestra) se requieren observar para no errar en más de dos accidentes, con un 90% de FRQ¿DQ]D" 100. Se selecciona una muestra aleatoria simple de familias de clase media baja en un barrio de OD FLXGDG FRQ HO ¿Q GH HVWLPDU HO LQJUHVR SURPHGLR PHQVXDO (O HUURU GHEH HVWDU HQ HO UDQJR GHRRFRQXQULHVJRGH¢'HTXpWDPDxRGHEHVHUVHOHFFLRQDGDODPXHVWUDVLOD GHVYLDFLyQQRUPDOKDVLGRFDOFXODGDHQRR" 101. Entre los estudiantes de cierta universidad privada, se desea tomar una muestra aleatoria para estimar la proporción de alumnos que utilizan la biblioteca. El error debe conservarse en un 4%, FRQXQULHVJRGHO¢&XiOHVHOWDPDxRGHODPXHVWUDVLODXQLYHUVLGDGWLHQHDOXPQRV PDWULFXODGRV" 'HWHUPLQHHOWDPDxRPi[LPRGHXQDPXHVWUDSDUDHVWLPDUXQDSURSRUFLyQFRQXQDFRQ¿DQ]DGHO 99%, sin que el error en la estimación exceda del 2%, para una población de 10.000. 103. Un investigador a cuyo cargo está un departamento de educación física, desea hacer una estimación del consumo de oxígeno (en litros por minuto) de los estudiantes normales entre 17 y 21 años de edad, después de un tiempo especial de ejercicios. El investigador desea que su estimación se HQFXHQWUHSRUORPHQRVDOLWURVGHODPHGLDYHUGDGHUDFRQXQDFRQ¿DQ]DGHO(VWXGLRV UHDOL]DGRVLQGLFDQTXHODYDULDQ]DGHOFRQVXPRGHR[tJHQRSDUDJUXSRVVLPLODUHVHVGH¢4Xp WDPDxRGHEHWHQHUODPXHVWUDTXHQHFHVLWDHVWHLQYHVWLJDGRU" 104. Un investigador de un Instituto descentralizado que tiene 1.500 empleados, desea hacer una estimación del tiempo promedio que gastan los funcionarios, entre el instituto y la casa. El LQYHVWLJDGRU GHVHD XQ LQWHUYDOR GH FRQ¿DQ]D GHO \ XQD HVWLPDFLyQ FRPSUHQGLGD HQWUH minutos y la media verdadera. Un pequeña muestra preliminar dio una varianza de tres horas y 15 PLQXWRV¢4XpWDPDxRGHEHWHQHUODPXHVWUDTXHQHFHVLWDHOLQYHVWLJDGRU" 105. Se desea hacer una investigación sobre el ingreso familiar promedio semanal de los 12.500 hogares en una ciudad intermedia. Por investigaciones anteriores, se considera que la desviación típica de ORVLQJUHVRVHVGH¢4XpWDPDxRGHEHWHQHUODPXHVWUDVLVHGHVHDKDFHUXQDHVWLPDFLyQGH ODPHGLDTXHVHHQFXHQWUDDRRGHODPHGLDYHUGDGHUDFRQXQQLYHOGHFRQ¿DQ]DGH" 106. Una trabajadora social que presta sus servicios en una Junta de Acción Comunal, desea hacer un estudio para determinar las actitudes de la comunidad frente a los programas que desea emprender. Se debe calcular el tamaño de la muestra, para hacer una estimación de la proporción de ciudadanos www.FreeLibros.org CAPÍTULO SIETE DISTRIBUCIONES MUESTRALES 311 que están de acuerdo con los programas. Investigaciones realizadas anteriormente en zonas similares, GHPXHVWUDQ TXH HO GH ODV SHUVRQDV HQWUHYLVWDGDV FRQWHVWDURQ D¿UPDWLYDPHQWH$GHPiV VH GHVHDTXHHOYDORUGHODHVWLPDFLyQHVWpDGHOYDORUYHUGDGHURFRQXQGHFRQ¿DQ]D 107. Un veterinario quiere hacer una estimación, en una población de ganado vacuno, sobre la proporción GHUHVHVLQIHVWDGDVSRUXQSDUiVLWRLQWHVWLQDOD ¢4XpWDPDxRGHPXHVWUDVHGHEHWRPDUVLVHTXLHUH TXHVXHVWLPDFLyQHVWpGHODSURSRUFLyQUHDOFRQGHFRQ¿DQ]D"1RVHWLHQHFRQRFLPLHQWR de P, ni se puede obtener una encuesta preliminar; b) Hallar el tamaño de la muestra, suponiendo que un estudio anterior encontró que el 28% del ganado estaba contaminado; c) Si el veterinario TXLHUHTXHVXHVWLPDFLyQHVWpDGHODSURSRUFLyQUHDO\ODSREODFLyQHVGHDQLPDOHV¢FXiO es el valor de n" &RQVLGHUH3 \3 108. Un especialista en publicidad desea calcular el tamaño de la muestra de hogares en un barrio de la ciudad, para determinar en qué proporción, por lo menos, uno de sus miembros ve el programa PXVLFDO6HGHVHDTXHODHVWLPDFLyQHVWpDGHODSURSRUFLyQYHUGDGHUDFRQXQGHFRQ¿DQ]D En una encuesta preliminar a 30 hogares, el 30% de los entrevistados indicó que alguien veía regularmente dicho programa. 109. Una universidad desea ofrecer una nueva carrera profesional; para ello debe calcular la proporción GHDOXPQRVGH~OWLPRDxRGHVHFXQGDULDTXHSLHQVDHVWXGLDUGLFKDFDUUHUD¢4XpWDPDxRGHEH WHQHUODPXHVWUDVLVXHVWLPDFLyQGHEHHVWDUDGHOYDORUYHUGDGHURFRQGHFRQ¿DQ]D" a) el año anterior el 20 % de los alumnos encuestados se inclinaba por una carrera similar; b) El número de alumnos que cursan el último semestre en la ciudad donde se realiza la investigación, es de 6.000. 110. Un analista de departamento quiere estimar el número promedio de las horas de entretenimiento anual para los supervisores de una división de la compañía, con un factor de error de + 3 horas y un GHFRQ¿DELOLGDG7RPDLQIRUPDFLyQGHRWUDVGLYLVLRQHVSDUDFDOFXODUODGHVYLDFLyQWtSLFDGH horas de capacitación anual en s KRUDV¢&XiOHVHOWDPDxRPtQLPRUHTXHULGRVLODFRPSDxtD WLHQHVXSHUYLVRUHV" 111. Se requiere determinar el tamaño de muestra para el estudio del gasto semestral en productos de tocador. Para estimar la desviación típica de la población, el investigador realiza una encuesta preliminar en 80 familias de un barrio de la ciudad, habiendo encontrado una desviación típica GHRRD ¢&XiOHVHOYDORUGHQVLVHGHVHDTXHHOYDORUHVWiQGDUGHODPHGLDLQIHULGDGH ODSREODFLyQQRH[FHGDGHDXQQLYHOGHFRQ¿DQ]DGHOE ¢&XiOHVHOWDPDxRGHOD PXHVWUDVLVHVDEHTXHHQHOEDUULRLQYHVWLJDGRYLYHQIDPLOLDV" 112. Un contador desea hacer un estudio sobre los profesores universitarios en la ciudad de México; para saber la cantidad de dinero por mes que cada profesor dedica a la alimentación de la familia. Realiza un inventario del número de profesores vinculados a las diferentes universidades y obtiene un listado de 2.000. El contador dice que el promedio de gastos semanales en alimentación que a él interesa, debe encontrarse en alrededor de $30.000.oo, ya que la mayoría son casados, entre 30 y 50 años de edad y el nivel de sueldos es aceptable. Se tiene un desviación estándar de $2.980, error del \XQDFRQ¿DQ]DGHO¢&XiOGHEHVHUHOWDPDxRGHODPXHVWUD" 113. Se selecciona una muestra aleatoria de familias para estimar el ingreso promedio diario. El error GHEHHVWDUHQHOUDQJRGHFRQXQULHVJRGH¢'HTXpWDPDxRGHEHVHUVHOHFFLRQDGDOD PXHVWUD"/DGHVYLDFLyQQRUPDOKDVLGRFDOFXODGDHQ www.FreeLibros.org 312 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO 114. En una región, se realizó una encuesta preliminar para determinar el promedio de empleo en explotaciones agrícolas; para ello se tomó una muestra simple al azar de 40 explotaciones, con los siguientes resultados: 2 2 4 2 2 4 2 3 3 1 2 5 2 6 2 4 3 6 5 2 5 7 2 4 2 2 2 2 4 5 2 6 3 4 2 5 4 2 6 3 Determinar el tamaño de la muestra, si se tiene un total de 4.000 explotaciones agrícolas, una con¿DQ]DGHO\XQHUURUGHO 115. Una encuesta preliminar realizada entre 30 estudiantes de primaria, correspondiente a cinco concentraciones escolares localizadas al sur de una ciudad, arrojó los siguientes resultados: No. DE PIEZAS CON CARIES: 0 1 2 3 4 5 6 7 No. DE ESTUDIANTES: 10 9 5 2 2 0 1 1 El objetivo es poder realizar una investigación parcial (muestreo), para calcular estimativos del SURPHGLRGHFDULHVSRUDOXPQR\ODSURSRUFLyQGHDOXPQRVFRQFDULHV¢&XiOGHEHUiVHUHOWDPDxR ySWLPRVLHOQ~PHURGHDOXPQRVPDWULFXODGRVHQHVWDVFLQFRFRQFHQWUDFLRQHVHVGH"6HGHVHD XQHUURUGHO\XQFRQ¿DQ]DGHO 116. Se realiza una encuesta preliminar a 17 familias en cuanto a tamaño, ingreso diario, costo de alimentos diarios y si tiene suscripción a algún periódico de la ciudad. Los resultados fueron: No. FAMILIAS 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 NÚMERO DE PERSONAS POR FAMILIAS 2 3 3 5 4 7 2 4 2 5 3 6 4 4 2 5 3 INGRESO DIARIO (miles ) COSTOS DE ALIMENTOS DIARIO (miles ) 26.2 18.4 19.3 14.5 26.2 30.1 24.2 26.2 22.1 20.6 24.2 20.3 18.6 15.2 17.9 19.4 28.2 8.2 9.6 10.1 7.6 12.2 11.3 10.4 12.3 10.2 10.2 11.3 8.4 7.6 7.8 7.9 8.3 11.4 SUSCRIPCIÓN PERIÓDICO Si No No No Si Si No No Si No No No Si No No No Si www.FreeLibros.org CAPÍTULO SIETE DISTRIBUCIONES MUESTRALES 313 Se quiere determinar el tamaño muestral para una población de 1.200 familias, en cuanto a: a) estimación del promedio de personas por familia. b) proporción de familias con suscripción P = 95% E = 5%. 117. Suponga que una compañía desea estimar la proporción de cuentas que incluyen gastos por trabajo \PRQWRWRWDOGHODxRDQWHULRU6XSRQJDTXHVHKD¿MDGRXQDFRQ¿DQ]DGHO\XQHUURUGHO ¢4XpWDPDxRGHPXHVWUDVHGHEHVHOHFFLRQDUVLXQDHQFXHVWDSUHOLPLQDUGHFXHQWDVGLRFRPR resultado 12 tarjetas que incluyen gastos por trabajo y el total fue de $5.400.000, con un desviación WtSLFDGH" 118. Se tomó una encuesta preliminar de 100 colegios de secundaria, de un total de 4.680, dando los siguientes resultados: NÚMERO DE ESTUDIANTES NÚMERO DE PROFESORES ¦xi ¦x i2 ¦ yi ¦ y i2 54 31.281 29.881.219 2.024 111.090 1.729.349 46 13.707 6.366.785 1.075 33.119 431.041 TIPO DE COLEGIO CANTIDAD DE COLEGIOS PÚBLICOS PRIVADOS ¦xiy i 6HTXLHUHGHWHUPLQDUHOWDPDxRGHODPXHVWUDGHORVFROHJLRV S~EOLFRV\SULYDGRV FRQXQDFRQ¿DQza del 95% y un error del 8%, para estimar: a) El promedio de alumnos por colegio b) La proporción de colegios privados 119. Una cooperativa de ahorro y préstamo desea determinar la cantidad promedio que tienen los clientes en sus cuentas. La desviación estándar de todas las cuentas de ahorro es estimada por el gerente en $44.000. D ¢4XpWDPDxRGHPXHVWUDVHUHTXLHUHSDUDD¿UPDUFRQXQDFRQ¿DQ]DGHTXHHOHUURUHQOD HVWLPDFLyQQRH[FHGHGH" E ¢4XpWDPDxRGHPXHVWUDVHUHTXLHUHSDUDD¿UPDUFRQXQDFRQ¿DQ]DGHTXHHOHUURUHQOD HVWLPDFLyQQRH[FHGHGH" 120. Determinar el tamaño máximo de una muestra de proporciones siendo la población de 30.000 amas GHFDVDFRQXQHUURUHVWiQGDUGH\XQQLYHOGHFRQ¿DQ]DGHO 121. Interesa estimar el número de accidentes de tránsito en una ciudad cualquiera. Durante un año GtDV VHGHWHUPLQDXQDGHVYLDFLyQWtSLFDGHDFFLGHQWHVGLDULRV¢&XiQWRVGtDV WDPDxRGH PXHVWUD GHEHPRVREVHUYDUSDUDQRHUUDUHQPiVGHDFFLGHQWHVFRQXQGHFRQ¿DQ]D" 122. Se quiere determinar el tamaño de la muestra para un estudio sobre el gasto mensual en productos de limpieza para el hogar. Para estimar la desviación típica de la población, el investigador utilizó una muestra preliminar de 80 familias, habiendo encontrado que la desviación estándar era de $20.500. D ¢&XiOHVHOYDORUGHQVLVHGHVHDTXHHOHUURUHVWiQGDUGHODPHGLDLQIHULGDGHODSREODFLyQQR H[FHGDGHFRQXQQLYHOGHFRQ¿DQ]DGHO" E ¢&XiOHVHOWDPDxRGHPXHVWUDHQHOSXQWRDQWHULRUVLVHVDEHTXH1 " 123. Se selecciona una muestra aleatoria simple de familia de clase media en un barrio de la ciudad, con HO¿QGHHVWLPDUHOLQJUHVRSURPHGLRVHPDQDO(OHUURUGHEHHVWDUHQHOUDQJRGHFRQXQ ULHVJRGH¢'HTXpWDPDxRGHEHVHUVHOHFFLRQDGDODPXHVWUDVLODGHVYLDFLyQQRUPDOKDVLGR calculada en $80.000. www.FreeLibros.org 314 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO 124. Entre los estudiantes de cierta universidad privada, se desea una muestra aleatoria para estimar la proporción de lectores de obras literarias. El error debe conservarse en un 5%, con un riesgo de ¢&XiOHVHOWDPDxRGHPXHVWUDUHTXHULGD" 125. Una fábrica de gaseosas tiene un total de 628 camiones repartidores; la varianza de las ventas diarias de todos los camiones es de 25.000 (miles de $). Se va a seleccionar una muestra aleatoria GHFDPLRQHVSDUDUHDOL]DUFRQEDVHHQHOODHVWLPDFLyQGHODPHGLDSREODFLRQDOGHODVYHQWDV¢&XiO VHUiHOWDPDxRGHODPXHVWUDSDUDTXHVHDODSUREDELOLGDG FRQ¿DQ]D GHTXHODGLIHUHQFLDHQWUH ODPHGLDPXHVWUDO\ODSREODFLyQQRH[FHGDGH PLOHV " 126. En una zona donde hay 4.000 viviendas, el porcentaje de propietarios va a ser estimado con una PXHVWUDQRPD\RUGHO\HOSRUFHQWDMHGHSURSLHWDULRVGHDXWRVQRPD\RUDO&RQXQDFRQ¿DQ]D del 90%. Se piensa que el verdadero porcentaje de propietarios de vivienda puede estar entre el 45% y el \HOSRUFHQWDMHGHSURSLHWDULRVGHDXWRVHQWUHHO\HO¢TXpWDQJUDQGHGHEHVHUXQD PXHVWUDSDUDVDWLVIDFHUODVGRV¿QDOLGDGHV" 127. Una empresa productora de bombillas de 75W, quiere estimar su vida media de tal manera que el error estándar de la media inferida no sea mayor a las 25 horas. Se sabe que la vida media tiene una GHVYLDFLyQWtSLFDGHKRUDV\VHGHVHDXQDFRQ¿DQ]DGHOSDUDODHVWLPDFLyQ¢&XiQJUDQGH GHEHVHUODPXHVWUD"¢&XiOVHUtDODUHVSXHVWDVLODSREODFLyQIXHUDGHERPELOODV" 128. Una biblioteca pública quiere calcular el porcentaje de libros de que dispone con fechas de SXEOLFDFLyQGHRDQWHULRUHV¢'HTXpWDPDxRGHEHWRPDUODPXHVWUDDOHDWRULDSDUDTXHVHWHQJD XQGHVHJXULGDGGHTXHGDUGHQWURGHOGHODSURSRUFLyQUHDOGHODPXHVWUD"6HVDEHTXHOD biblioteca tiene 5.000 títulos. 129. El administrador de un restaurante quiere determinar el tiempo promedio que los clientes tardan en WRPDUVXVDOLPHQWRVFRQHO¿QGHHIHFWXDUXQDDPSOLDFLyQGHVXVLQVWDODFLRQHV&RQVLGHUDTXHOD desviación estándar razonable es de 10 minutos basados en una muestra anterior hecha a 30 clientes. En esa encuesta se encontró que el 75% de los que frecuentan el establecimiento son hombres. Se TXLHUHGHWHUPLQDUHOWDPDxRGHODPXHVWUDFRQXQLQWHUYDORGHFRQ¿DQ]DGHSDUDWHQHUOD VHJXULGDGGHTXHHOSURPHGLRTXHGHGHQWURGHO(VGHDQRWDUHOGXHxRD¿UPDTXHHOSURPHGLR de permanencia de sus clientes es aproximadamente de una hora. ¢4XpWDPDxRGHPXHVWUDVHUHTXLHUHSDUDXQDSREODFLyQGHXQLGDGHVVLVHGHVHDXQHUURUGHO \XQLQWHUYDORGHFRQ¿DQ]DGHO" 131. A partir de una muestra de 200 observaciones se encontró que, en una remesa, había 20 acumuladores GHIHFWXRVRV8WLOL]DQGRXQQLYHOGHFRQ¿DQ]DGHOFDOFXOHHOHUURUGHPXHVWUHR 132. La Secretaría de Tránsito y Transporte, requiere estimar la proporción de conductores con experiencia GHXQDxRRPHQRVTXHSXHGHQFODVL¿FDUVHFRPR conductores descuidados¢'HTXpWDPDxRGHEHUtD VHUODPXHVWUDD¿QGHTXHORVUHVXOWDGRVHVWpQGHQWURGHXQFRQXQDFRQ¿DQ]DGHO"6H espera aproximadamente observar que ¼ del total de conductores sean descuidados. www.FreeLibros.org 133. El mantenimiento de cuentas de crédito puede resultar demasiado costoso si el promedio de compra por cuenta, baja de cierto nivel. El gerente de un almacén desea estimar el promedio de cantidad CAPÍTULO SIETE DISTRIBUCIONES MUESTRALES 315 comprada por sus clientes mensualmente, que usan cuenta de crédito, con un error no más de FRQXQDSUREDELOLGDGDSUR[LPDGDGH¢&XiQWDVFXHQWDVGHEHUiQVHUVHOHFFLRQDGDVGH un total de 7.000, si se sabe que la desviación estándar de los balances mensuales de las cuentas de FUpGLWRVHVGH" 134. La producción, en un día, de tarjetas perforadas es de 3.000. Se quiere estimar el porcentaje de WDUMHWDVTXHWLHQHQDOPHQRVGRVHUURUHVPHGLDQWHXQDPXHVWUDDOHDWRULDVLPSOHD ¢4XpWDPDxR GHPXHVWUDHVQHFHVDULRVLVHDFHSWDXQHUURUGHO"E 6LDOJXLHQTXHFRQRFHHOWUDEDMRFRQVLGHUD TXHHOSRUFHQWDMHSRGUtDHQFRQWUDUVHHQWUHHO\¢FXiOVHUtDHOWDPDxR"'HEHUiVHUXWLOL]DGD XQDFRQ¿DQ]DGHO 135. Al examinar el directorio telefónico de una localidad que contiene 50 mil suscriptores, se desea estimar el porcentaje de ellos cuyo apellido empieza con la letra V. Desgraciadamente por error de elaboración del directorio, no se hizo teniendo en cuenta el orden alfabético sino localización o dirección. Se pide encontrar el tamaño de la muestra, si el porcentaje es considerado en un 10%, con XQHUURUGHO\XQDFRQ¿DQ]DGHO 136. Un fabricante de automóviles, produce una gran cantidad de vehículos antes de recibir pedidos. Le agradaría poder calcular la proporción de automóviles que debe pintar de verde pampa en su SURGXFFLyQ SRU DGHODQWDGR (VWH IDEULFDQWH RIUHFH XQD RSFLyQ HQWUH FRORUHV D ¢4Xp WDPDxR GHPXHVWUDQHFHVLWDUi"6LGHVHDKDFHUXQDHVWLPDFLyQGHQWURGHXQPDUJHQGHO\XQQLYHOGH FRQ¿DQ]DGHOSDUDXQDSURGXFFLyQGHYHKtFXORVE 'HItQDVHODSREODFLyQGHLQWHUpVSDUD el fabricante. 137. Decir si son ciertas o falsas las siguientes aseveraciones: a) Se dice que en todo proceso de selección debe haber sustitución de las unidades que no se han podido entrevistar. b) El parámetro describe una determinada característica de las unidades que conforman la población. c) El muestreo sistemático consiste en seleccionar uno a uno los elementos de la muestra en un orden indeterminado. d) A medida que aumenta el error, manteniendo constante la varianza, se aumenta el tamaño de la muestra. e) Una muestra aleatoria es aquélla en la cual ciertas unidades tienen mayor posibilidad que otras de ser seleccionadas. 138. La Asociación de egresados de la universidad está trabajando para formular una propuesta relativa a la consecución de una sede en la universidad. Se tienen 5.600 egresados registrados, de los cuales se toma una muestra preliminar del 1%, con la cual se obtiene que 28 de ellos piensan que la idea GHEHUiVHUOOHYDGDDFDER¢&XiOGHEHUiVHUHOWDPDxRGHODPXHVWUDD¿QGHTXHODDVRFLDFLyQSXHGD estimar la proporción de egresados que están a favor de la propuesta, dentro de un 3%, con una FRQ¿DQ]DGHO" 139. Un analista del Departamento de personal, quiere estimar el promedio de horas de entrenamiento para los supervisores de la compañía y el porcentaje de supervisores que están de acuerdo con la efectividad GHHVRVHQWUHQDPLHQWRV¢&XiOHVHOWDPDxRPtQLPRVXJHULGRVLODFRPSDxtDWLHQHVXSHUYLVRUHV"/D FRQ¿DQ]DVHUiGHOORVIDFWRUHVGHHUURUVRQKRUDV\YDULDQ]DGHKRUDV2 de entrenamiento, se sabe que 6 de cada 10 supervisores se mostraron partidarios, siendo el error del 5%. www.FreeLibros.org 316 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO 140. Se tiene la siguiente población de 15 valores: xi: 6 2 8 7 ,QIRUPDFLyQDGLFLRQDO 2 4 10 9 xi 10 65 4 3 8 6 ҏx =640 2 i Determine el tamaño de la muestra, si se desea un error de +\XQDFRQ¿DQ]DGHO 141. El gerente de una tienda de departamentos de tamaño medio, ha observado que el total de cuentas SHQGLHQWHV SRU WDUMHWDV GH FUpGLWR GH OD SURSLD ¿UPD KD DXPHQWDGR HQ IRUPD DODUPDQWH 3DUD formular una política de descuento por pago oportuno, se desea estimar la cantidad total en pesos GHFXHQWDVSHQGLHQWHVTXHWHQJDQSRUORPHQRVGtDVGHYHQFLGDV¢&XiOGHEHVHUHOWDPDxR GHODPXHVWUDVLVH¿MDHOHUURUWROHUDEOHGHFRQSUREDELOLGDGGH"6XSyQJDVHTXHKD\ 1.500 cuentas distintas con 90 o más días de vencidas y se piensa que la desviación típica de esas cuentas vencidas es inferior a $20.000. 142. Un estimativo del total de artículos alterados de un inventario de depósito de cierto almacén, bajo condiciones desfavorables es obtenido dentro de un error de más o menos ± 0,03, con un 97,5% de QLYHOGHFRQ¿DQ]D(OLQYHQWDULRWRWDOVHGHEHKDFHUVREUHXQWRWDOGHDUWtFXORV3DUDHOORVH UHDOL]yXQDHQFXHVWDSUHOLPLQDUGHDUWtFXORVGHORVFXDOHVQRHVWiQDOWHUDGRV¢&XiOVHUiHOYDORU GHQ" 143. Un publicista desea calcular el tamaño de la muestra de hogares, que va a tomar en cierta región para determinar en qué proporción de hogares, por lo menos uno de sus miembros ve un programa musical de televisión. En esa región hay un total de 700 hogares y se desea que la estimación HVWpDGHODSURSRUFLyQYHUGDGHUDFRQXQDFRQ¿DQ]DGHO$QWHULRUPHQWHVHUHDOL]yXQD encuesta en 40 hogares, en la cual 14 de los entrevistados contestaron que alguien en su casa veía UHJXODUPHQWHGLFKRSURJUDPD¢&XiOGHEHVHUHOWDPDxRGHODPXHVWUD" 144. Una entidad social dedicada a la protección del niño realizó una muestra al azar de 225 mujeres, GHXQDSREODFLyQGHFRQHO¿QGHGHWHUPLQDUVXVDFWLWXGHVDQWHFLHUWRVSUREOHPDVVRFLDOHV 8QDGHODVSUHJXQWDVTXHWLHQHUHODFLyQGLUHFWDFRQHOREMHWLYRGHODHQFXHVWDGHFtD¢&UHHXVWHG TXHODVPDGUHVGHORVQLxRVFRQXQDHGDGLQIHULRUDORVDxRVGHEHQWUDEDMDUIXHUDGHOKRJDU" FRQWHVWDURQQHJDWLYDPHQWH6LVHGHVHDTXHHVDPXHVWUDWHQJDXQDFRQ¿DQ]DGHO¢FXiOGHEHUi VHUHOHUURUHQODPXHVWUD" 145. El administrador de una taberna desea estimar la cantidad promedio gastada por su clientela los ¿QHVGHVHPDQDFRQXQHUURUPHQRUGH\FRQXQDSUREDELOLGDGGHO¢&XiQWRVFOLHQWHV TXHFDQFHODQODFXHQWDGHEHUiQVHUHQWUHYLVWDGRVVLVHVDEHTXHHOQ~PHURGHFOLHQWHVHVGH" Suponga que es administrador sabe que esos gastos varían entre $80.000 y $150.000. 8QD¿UPDFRQVWUXFWRUDGHDSDUWDPHQWRVGHVHDHVWLPDUHOSURPHGLRGHUHVLVWHQFLDGHODVYDULOODV GHDFHURXWLOL]DGDVHQODFRQVWUXFFLyQ¢4XpWDPDxRVHUHTXLHUHSDUDJDUDQWL]DUXQULHVJRGHVyOR GHVREUHSDVDUXQHUURUGHNJRPiVHQODHVWLPDFLyQ"/DGHVYLDFLyQWtSLFDGHODUHVLVWHQFLD de este tipo de varillas se estima en 25 kg. y se tiene en el momento de realizar el estudio un total de 5.000 varillas. www.FreeLibros.org 147. Un fabricante de automóviles desea estimar el kilometraje promedio por galón de gasolina que los FOLHQWHVREWHQGUiQFRQXQQXHYRPRGHORGHFDUEXUDGRU¢&XiQWRVYLDMHVGHPXHVWUDGHEHHIHFWXDU CAPÍTULO SIETE DISTRIBUCIONES MUESTRALES 317 D¿QGHTXHVXHVWLPDFLyQWHQJDXQDSUHFLVLyQGHNLOyPHWURVSRUJDOyQFRQXQDFRQ¿DQ]DGHO VXSRQLHQGRTXHODGHVYLDFLyQWtSLFDHVGHNLOyPHWURVSRUJDOyQ" 6XSRQJDTXHXQDFRPSDxtDGHVHDHVWLPDUODSURSRUFLyQGHFXHQWDVTXHLQFOX\HJDVWRVHVSHFt¿FRV SRUWUDEDMR\HOYDORUSURPHGLRSRUFXHQWD$GHPiVVHKD¿MDGRXQDFRQ¿DQ]DGH\XQHUURU GHO¢4XpWDPDxRGHPXHVWUDVHGHEH¿MDUVLXQDHQFXHVWDSUHOLPLQDUGHFXHQWDVGLRFRPR UHVXOWDGRWDUMHWDVTXHLQFOX\HQJDVWRVHVSHFt¿FRVSRUXQYDORUGH\XQDGHVYLDFLyQ estándar de $20.000. 149. En una ciudad hay 360 fábricas de helados y se requiere realizar una muestra para estimar la SURSRUFLyQGHFRQVXPRGHDFXHUGRDXQDQXHYDIRUPDGHSUHVHQWDFLyQ¢&XiOGHEHVHUHOWDPDxRGH ODPXHVWUDVLVHGHVHDXQDFRQ¿DQ]DGHO\XQHUURUGHO 150. Un investigador asegura que el salario promedio de los obreros, en cierto sector industrial, es de $750.000 y sus edades oscilan entre los 18 y los 40 años, además sus gastos en alimentación deben encontrarse entre los 40 y 60%. Se desea estimar el salario promedio, (suponiendo para ello una desviación típica de $40.000) y el porcentaje de los gastos en alimentos. Considere un error del 2% SDUDHOSURPHGLR\XQSDUDODSURSRUFLyQDGHPiVXQDFRQ¿DQ]DGHOXQWRWDOGH obreros, para calcular el tamaño de la muestra. 151. Se estima que el sesgo en la proporción de ejecutivos subalternos que renuncian en compañías PDQXIDFWXUHUDVJUDQGHVGHVSXpVGHWUHVDxRVHVGHO6HXWLOL]DHOJUDGRGHFRQ¿DQ]DGH8Q estudio realizado hace varios años reveló que el porcentaje de ejecutivos subalternos que renuncian después de tres años fue del 21%. D 3DUD DFWXDOL]DU HVWH HVWXGLR ¢FXiQWRV HMHFXWLYRV VXEDOWHUQRV GHEHUtDQ HVWXGLDUVH GH ORV DUFKLYRV" E ¢&XiQWRV IXQFLRQDULRV GH XQ WRWDO GH GHEHUtDQ FRQVLGHUDUVH VL QR VH FRQWDUD FRQ XQD HVWLPDFLyQSUHYLD" 152. Se estimará el número medio de días de viaje al año de los vendedores foráneos empleados por una HPSUHVD6HXWLOL]DHOJUDGRGHFRQ¿DQ]DGHO/DPHGLDGHXQHVWXGLRSLORWRUHDOL]DGRD vendedores fue de 5,2 meses y la proporción de viajeros con más de 100 días fue del 62%. La empresa emplea un total de 620 vendedores que recorren todo el país. Dicha encuesta permitió conocer o HVWLPDUODGHVYLDFLyQHVWiQGDUGHGtDV¢&XiQWRVYHQGHGRUHVIRUiQHRVGHEHUiQFRQVLGHUDUVHVL se establece un error del 1,5% para el promedio de viajes y del 12% para la proporción con más de GtDVGHYLDMH" 153. Un investigador está interesado en estimar la ganancia total en peso, en un período de 0 a 4 semanas de 5.000 pollitos alimentados con una nueva ración. Obviamente pesar cada vez sería tedioso y llevaría demasiado tiempo. Por lo tanto, se debe determinar el número de pollitos a seleccionar en una muestra para estimar el total con un límite para el error de estimación igual a 5.000 gramos. Muchos estudios similares sobre nutrición de pollitos se han llevado a cabo en el pasado. Usando datos de estos estudios, el investigador encontró que la varianza es aproximadamente de 36 gramos. Determine el tamaño de la muestra requerido. 154. Se desea realizar una investigación sobre el número de unidades en mal estado, en 4.000 cajas que se encuentran en bodega, además, la proporción de cajas con unidades en mal estado. Se realiza una encuesta preliminar de 80 cajas con el siguiente resultado, que se presenta en una tabla de frecuencias. www.FreeLibros.org 318 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO No. DE UNIDADES EN MAL ESTADO: No. DE CAJAS EXAMINADAS: 0 1 2 37 16 6 4 8 5 4 8 10 12 2 2 3 Determinar el tamaño óptimo para una muestra que cumpla con las dos condiciones anteriores, Para ello el investigador establece un error del 6% para el promedio de unidades en mal estado por caja \GHOSDUDODSURSRUFLyQGHFDMDVFRQXQLGDGHVHQPDOHVWDGR/DFRQ¿DQ]DVHUiGHO 155. Los gerentes de una cadena de almacenes, han decidido actuar rápidamente y en forma drástica, para reducir el número (frecuencias) y el valor de las pérdidas debidas a hurtos. Se han propuesto varias alternativas algunas de ellas son costosas. Al investigarse cada alternativa se hace patente que la ¿UPDUHTXLHUHGHXQDHVWLPDFLyQFRQODPD\RUSUHFLVLyQSRVLEOHGHOSRUFHQWDMHGHFRPSUDGRUHVTXH cometen hurto y el valor que ello representa. Un examen en fuentes secundarias, revela estimaciones de compradores que han hurtado un artículo en la semana pasada que van desde 0,01% al 10%, por un valor promedio de $23.000. Mediante una muestra aleatoria simple de compradores, serán seguidos durante toda su visita al almacén, mediante la utilización de detectives especialmente DGLHVWUDGRV6LODJHUHQFLDTXLHUHHVWDU©SUiFWLFDPHQWHVHJXUDªTXHODHVWLPDFLyQQRGL¿HUDGHOD FLIUDUHDOGHOHQDPERVFDVRV¢FXiOKDGHVHUHOWDPDxRGHODPXHVWUDVLSDUDHOYDORUGHODV pérdidas, piensa que la desviación estándar es de $1.500 y el número de clientes que entran durante ODWRPDGHODPXHVWUDHVGHSHUVRQDV"/DFRQ¿DQ]DHQDPERVFDVRVHVGH 156. A partir de una muestra de 200 observaciones se encontró que, en una remesa habrá 20 acumuladores GHIHFWXRVRV&RQXQDFRQ¿DQ]DGHOFDOFXODUHOHUURUGHODPXHVWUD 8QDXGLWRUGHVHDWHQHUXQQLYHOGHFRQ¿DQ]DGHOGHWDOPDQHUDTXHODYHUGDGHUDSURSRUFLyQGH HUURUHVQRH[FHGDGHO6LODSREODFLyQHVGHFXHQWDV¢TXpWDPDxRWHQGUiODPXHVWUDTXH YDDWRPDUVLHODXGLWRUHVWLPDTXHODSURSRUFLyQGHHUURUHVHVGHO" 158. Explique brevemente la diferencia que hay entre: a) Estimador y parámetro. b) Población y muestra. c) Estadística descriptiva e inferencia. d) Muestreo aleatorio. y no aleatoria . 159. Conteste brevemente: D ¢&XiOHVODHVHQFLDGHOWHRUHPDGHOOtPLWHFHQWUDO\FXiOHVVXLPSRUWDQFLD" E ¢4XpFRQGLFLRQHVGHEHUHXQLUXQEXHQHVWLPDGRU" F ¢4XpVLJQL¿FDGLVWULEXFLyQGHPXHVWUHR" EJERCICIOS MISCELÁNEOS 160. Una muestra aleatoria de 150 apartamentos de un área metropolitana, produce una renta mensual promedio de $775.000. Se calculó una renta promedio de $780.000, con base en una muestra aleatoria independiente para 120 apartamentos de otra área metropolitana. Supongamos que no hay GLIHUHQFLDHQWUHODVGRViUHDVUHVSHFWRDODVUHQWDVPHQVXDOHVSURPHGLRGHORVDSDUWDPHQWRV¢&XiO es la probabilidad de observar una diferencia entre las medias muestrales, más grande de la que se DFDEDGHSUHVHQWDUVLVHVXSRQHTXHODGHVYLDFLyQSREODFLRQDOHVGHSDUDDPEDViUHDV" www.FreeLibros.org CAPÍTULO SIETE DISTRIBUCIONES MUESTRALES 319 161. Suponga que la media de la población de las utilidades después del impuesto, de todos los pequeños fabricantes, durante un cierto período, es en realidad de 4,8 millones de pesos, con desviación HVWiQGDUGHPLOORQHVGHSHVRV¢&XiOHVODSUREDELOLGDGGHTXHODXWLOLGDGPHGLDGHVSXpVGH pagar impuestos, calculada mediante una muestra aleatoria de 100 pequeños fabricantes, exceda en " 162. Un procesador de alimentos envasa café en frascos de 400 gramos. Para controlar el proceso, se utiliza la siguiente regla de decisión. Se seleccionan 64 frascos cada hora; si su peso medio es superior a un valor crítico, se detiene el proceso y se reajusta; en caso contrario, se continúa la operación sin detener el proceso. Determinar el valor crítico de modo que haya una probabilidad de 0,05 de determinar el proceso cuando está envasado a un promedio de 407,5 gramos, con una desviación estándar de 2,5 gramos. 8QDR¿FLQDJXEHUQDPHQWDOWRPDXQDPXHVWUDDOHDWRULDGHWUDEDMDGRUHVGHXQDIiEULFDSDUD obtener el número de ellos a favor de la sindicalización. Calcule la probabilidad de obtener una SURSRUFLyQPXHVWUDOTXHGL¿HUDHQPiVGHOGHODUHDOLGDGVLODSURSRUFLyQUHDOGHWUDEDMDGRUHV a favor de la sindicalización se le considera de 20%. 164. Se desea estimar el gasto mensual en energía eléctrica por familia de clase media de una ciudad, que FXHQWDFRQIDPLOLDVFODVL¿FDGDVHQHVHJUXSRGHLQJUHVRV&RQEDVHHQHVWXGLRVUHDOL]DGRV HQ RWUDV FLXGDGHV FRQ HVWUDWL¿FDFLyQ \ FRPSRUWDPLHQWR GH FRQVXPR VLPLODU VH VXSRQH TXH OD desviación estándar es de $3.000. Se quiere estimar con una aproximación de ±$380 del promedio UHDOFRQGHFRQ¿DQ]D¢4XpWDPDxRGHPXHVWUDVHUHTXLHUHSDUDGLFKDLQYHVWLJDFLyQ" 165. La asociación de egresados de la universidad, está trabajando para formular una propuesta relativa a la consecución de una sede en el área de la universidad. Se tiene un total de 3.600 egresados registrados, del cual se toma una muestra preliminar del 1%, con lo que se obtiene que 28 de ellos SLHQVDQTXHODLGHDGHEHUiVHUOOHYDGDDFDER¢&XiOGHEHUiVHUHOWDPDxRGHODPXHVWUDD¿QGHTXH la asociación pueda estimar la proporción de egresados que están a favor de la propuesta dentro de XQFRQXQDFRQ¿DQ]DGHO" 166. Explique brevemente: a) El objetivo del muestreo b) “Si se utilizan métodos de muestreo no probabilístico, los resultados, pueden estar sesgados” F 4XpVLJQL¿FD©HUURUGHPXHVWUHRª G ¢(QTXpFRQGLFLRQHVHVPiVDSURSLDGRHOPXHVWUHRQRSUREDELOtVWLFRTXHHOSUREDELOtVWLFR" 8QJHUHQWHGHXQDFRPSDxtDUHDOL]DGRVPXHVWUDVGHWDPDxRGHHPSOHDGRVFDGDXQDFRQHO¿Q de determinar el porcentaje de ausentismo. En la primera fábrica, durante la semana de observación QRDVLVWLHURQSHUVRQDVPLHQWUDVTXHHQODVHJXQGDIiEULFDQRIXHURQWUDEDMDGRUHV¢&XiOHV ODSUREDELOLGDGGHTXHODDXVHQFLDREVHUYDGDVHDPD\RUVLSRUH[SHULHQFLDVHVDEHTXHHVHO" 168. Una máquina vendedora de gaseosas, se encuentra regulada de modo que la cantidad servida tenga una distribución normal, con media de 10 onzas y desviación típica de 0,82 onzas. Si se toma una PXHVWUDGHYDVRV¢TXpYDORUH[FHGHUtDHOGHODPHGLDGHODPXHVWUD" www.FreeLibros.org 169. La duración del viaje que realiza una empresa de transporte intermunicipal, están distribuida normalmente con media de 8 horas y desviación estándar de 2 horas. Se seleccionan al azar 20 320 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO GHORVYLDMHVUHDOL]DGRVGXUDQWHHOPHVD ¢&XiOHVODGHVYLDFLyQHVWiQGDUGHODPHGLD"E ¢4Xp SURSRUFLyQGHORVYLDMHVHVWDUtDHQWUH\òKRUDV"F ¢&XiOHVODSUREDELOLGDGGHTXHODGXUDFLyQ GHOYLDMHVHDVXSHULRUDODVKRUDV" 170. Se sabe que el 10% de los estudiantes de una facultad no presenta exámenes en la fecha en que se SURJUDPDQ6LVHVHOHFFLRQDDDOXPQRVGHODIDFXOWDG¢FXiOHVODSUREDELOLGDGGHTXHRPiVGH HOORVKD\DQGHMDGRGHSUHVHQWDUH[iPHQHVGXUDQWHHOVHPHVWUH" 171. El 12% de la producción de una máquina es defectuosa, mientras que en otra similar es del 15%. Si VHH[WUDHQGRVPXHVWUDVGHWDPDxR\UHVSHFWLYDPHQWH¢FXiOHVODSUREDELOLGDGGHTXH D ODVGRVPXHVWUDVGL¿HUDQHQPiVGHO E HOSRUFHQWDMHHQODPXHVWUD$VHDVXSHULRUDOGHODPXHVWUD%" Síntesis de capítulo Sobre dos aspectos se fundamenta la teoría de las distribuciones muestrales: a) La ley de los grandes números6LHOWDPDxRGHODPXHVWUDHVORVX¿FLHQWHPHQWHJUDQGH ODSUREDELOLGDGGHTXHODPHGLDPXHVWUDOGL¿HUDGHODPHGLDSREODFLRQDOHQPiVGHXQD diferencia positiva prescripta en forma arbitraria se acerca a cero (0). b) Teorema central del límite. La distribución de las medias muestrales al azar, se aproxima a una distribución normal a medida que aumenta el tamaño de la muestra. El objeto de la Inferencia estadística es la de recoger información mediante la realización de XQDPXHVWUDFRQHO¿QGHXWLOL]DUODHQHOFiOFXORGHHVWLPDFLRQHV\DVtREWHQHUFRQFOXVLRQHV respecto a los valores estadísticos de la población. Distribución de muestreo es aquélla que puede obtenerse como resultado de un número LQ¿QLWR GH PXHVWUDV DOHDWRULDV LQGHSHQGLHQWHV FDGD XQD GH WDPDxR Q SURYHQLHQWHV GH OD misma población. /DVPXHVWUDVVHFODVL¿FDQHQaleatorias y no aleatorias. En la primera, todos los elementos tienen la misma posibilidad de ser seleccionados. En las no aleatorias, las unidades se seleccionan en forma caprichosa, generalmente por conveniencia. El parámetro es el resultado que se obtiene al aplicar una medida a las características de las unidades de la población; por lo tanto será una cantidad constante. Cuando la media describe la característica de los elementos en una muestra, se denomina estimador puntual, estadígrafo o valor estadístico de la muestra. Las cuatro (4) propiedades de un buen estimador son: insesgado, consistente, El error estándar de la media, es la diferencia que puede haber entre el estimado y el parámetro. www.FreeLibros.org CAPÍTULO SIETE DISTRIBUCIONES MUESTRALES Vx = V n e 321 Vp = w PQ n Las distribuciones muestrales que se estudiaron en el capítulo son: a) Distribuciones de medias muestrales. b) Distribuciones de medias proporcionales. c) Distribuciones de diferencias entre dos medias muestrales. d) Distribuciones de diferencias entre dos medias proporcionales. El tamaño de la muestra depende del comportamiento de sus cuatro (4) componentes: a) El grado de variabilidad de los datos. E (OQLYHOGHFRQ¿DQ]D c) El margen de error establecido. d) El tamaño poblacional. www.FreeLibros.org www.FreeLibros.org CAPÍTULO UNO 8 CONCEPTOS GENERALES Pruebas de ipótesis y límites { uien no duda no puede conocer la verdad o aa a aa o 323 CONTENIDO Conceptos generales, usos y procedimientos de aplicación. Pruebas de hipótesis con aplicaciones en distribuciones de: Medias, Proporciones. Diferencias entre dos medias y entre dos Proporciones muestrales. Teoría de las muestras pequeñas. Distribución “t” de Student. !"!# $%&$'& Síntesis de la Unidad. Ejercicios para Resolver, resueltos en el Sistema de Información en Línea SIL. COMPETENCIAS El estudiante deberá estar en capacidad de: Entender la utilidad que éstas tienen en muchos casos de la vida real. Distinguir, describir y aplicar estas pruebas de hipótesis. (&)'&*!+*/0& !/$)&*&) !!0)&*&) ! cuando las condiciones lo exijan. Entender, aplicar y explicar Límites de # $%&$'& Distinguir los casos en que se pueda cometer errores de Tipo I y II. Aplicar estas pruebas en muestras grandes y pequeñas. www.FreeLibros.org 324 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO CONCEPTOS GENERALES Es evidente que las distribuciones muestrales, vistas en el capítulo anterior, basadas en la teoría de la distribución normal, desarrollan un papel de gran importancia en la inferencia estadística. La inferencia estadística comprende dos partes principales, a saber: la estimación de parámetros y la prueba o docimasia de hipótesis!1$! !#&+/) ! *2$! /"&"& !# $!)!%$!"!" &** ))&*!+* #"mientos y observar su aplicación a problemas corrientes de la vida diaria. La inferencia estadística está basada en el supuesto de tomar muchas muestras, todas con igual probabilidad de ser seleccionadas y a través de una de ellas sabremos algo acerca de la población, mediante el cálculo de estimadores, que nos permitan hacer aseveraciones, incorrectas algunas veces, estableciéndose la probabilidad de error. Este método se basa en la aplicación de técnicas de muestreo, para lo cual se requiere de un buen diseño, además de la aplicación de métodos aleatorios de selección, cuando las probabilidades son iguales para cada elemento de una población. En algunos casos no requieren ser iguales, siempre que se # $ '#&$!! &$!"3*$ !&!#* En este capítulo, buscamos establecer si el valor del estimador obtenido en la muestra es represen&4 !")!+&*2* ! !4&) *! &" # !+ 0)&# $&)!"!)&!#/&)! !*&5 6!&"2 !)&!"$%#&#7$!"!)&! " *0/#7$!$!)&!8/!"0! *!/)'&"& PRUEBA DE IPÓTESIS Las pruebas de hipótesis, denominadas también %tienen como objeto principal 4&)/&*! /+ # $ ! ! &%*&# $ ! &#*#&! "! ) ! 4&) * ! &" # ! "! )&! + 0)&#7$! "$ $&" ! parámetros. La palabra docimar 9$%#&!probar. Cuando se hace indispensable tomar una decisión sobre la va)"'!"!)&!*+* $&#7$!$!/$&!+ 0)&#7$!# $!0& !$!los resultados obtenidos a través de una muestra, se dice que se toman decisiones estadísticas. Para tomar una decisión, es necesario ante todo, plantear posibilidades acerca de la característica o características a estudiar en una población determinada. La suposición puede ser cierta o falsa. Estas suposiciones se llaman hipótesis estadísticas. Hipótesis estadística: son supuestos acerca de un parámetro o de algún valor estadístico de una po0)&#7$!; $! &!"%$#7$!$# $*& !8/!$ ! "& !)& !<+7 ! $!hipótesis estadísticas. Se debe &*!# $!*3*$#&!&!/$!+&*2* !&! &!/$&!"&!&*#&!/$&!+* + *#7$!+ *#$&5!4&*&$'&! etc., para que sea hipótesis estadística. L ( 6 % $ 6 ( ' % )%< ' ( ) www.FreeLibros.org CAPÍTULO OCHO PRUEBA DE HIPÓTESIS Y LÍMITES DE CONFIANZA 325 Ejemplo 1. Para entender en qué consiste una prueba o dócima estadística, supongamos que se efectúan !)&$'&$ !"!/$&! $"&!!8/! ! 0$$! !#&*& ! ! )) !=& !&!+* 0&*!)&! (que no esté #&*9&"&! &$" !$!#/$&!8/!&)!)&$'&*! ! $"& !) !)79# ! *&!8/! #&*&$! !#&*& !! ! )) !?$!0&*9 !&)!*&)'&*!)!+*$ !$# $*& !8/!$!4'!"! 0$*! )& ! !#&*& ! !+* $&* $! 6! &!+8/@&!"3*$#&!+/"!))4&*$ !&!+$ &*!8/!)&!+* 0&0)"&"! de presentación de cara es mayor que la de sello. Dicho en otras palabras, que la moneda está cargada. B*$ !$!+**!)/9&*!)&!+* 0&0)"&"!"!8/! ! 0$9&$! !#&*& ! !2 V= P = np μ = ⎛⎜ 1 ⎞⎟ 100 = 50 ⎝2⎠ w σ = 100 ⎛⎜ 1 ⎞⎟ ⎛⎜ 1 ⎞⎟ = 25 = 5 ⎝ 2 ⎠⎝ 2 ⎠ F)!"*$&*!)&!+* 0&0)"&"!"!8/!$!)!)&$'&$ !"! ! $"& ! 0$9& ! !#&*& ! ! 2 !/)'& !)&!B *0/#7$!$ *&)!# !&+* &#7$!&!la Binomial. 0,4713 0,02 7 ; − μ 5 ,5 − 50 == = = 1, σ 5 1)!2*&! !9/&)!&! !H! !J! 50 5 ,5 0 1, P(< !) = ?! 0 *4&!8/!)&!+* 0&0)"&"!"!8/! ! 0$9&$! !#&*& ! !2 !&)!)&$'&*! !) !8/! !# $ "*&!como una probabilidad muy pequeña. ! $"& ! !"! El resultado anterior de haber obtenido un número mayor o menor de caras, nos lleva a pensar sobre lo sucedido y para ello tenemos dos explicaciones: &! $"&! ! $"& !/)'&"& !$! !+*$ ! ! ! $!3&0*#&"& !+*3#&$! por lo tanto el resultado obtenido es correcto, pero ha sucedido algo raro, pues esperábamos igual número de caras y sellos. La moneda tiene fallas de fabricación, por lo que se explica que una de las caras puede aparecer con mayor frecuencia. Estamos diciendo que la moneda no está equilibrada, es decir, está cargada en uno de los lados. Con las anteriores explicaciones estamos formulando dos clases de hipótesis. &!<+7 !+/"! *!3 */)&"&!# $!)!%$!"!*#<&'&*)&!"!&#/*" !# $!el análisis estadístico. Esta clase de hipótesis se denomina ( y se representa por o. Se tiene también la ( por a!1$!$/ * !5+) !$#&)!")!)&$'&$ !"! ! $"& !)&!<+7 !$/)&!# ** + $"! a la legitimidad de la moneda, 0: J! ! 0$#7$!"! !#&*& !&!8/ p!J! 1/ y J!np!J! !O!J! 50, la hipótesis alternativa será a: 50 (que el número de caras sea mayor o menor de 50), es decir, la moneda no es legítima o está cargada. www.FreeLibros.org 326 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO o 1 : Es considerada como la ( , ya que hace referencia al valor del parámetro que se quiere probar como verdadero. : Corresponde a la ( o falsa, estableciendo que el parámetro a puede ser mayor, menor o igual, de acuerdo con la propuesta hecha en la hipótesis nula. o Tipo de error 1$!)&!"# 7$!&$* *!"!&#+&*! !*#<&'&*!)&! $"&! ! $"& !"!&#/*" !# $!)!* /)&" ! 0$" ! puede conducir a error. Se consideran dos tipos de error: Error tipo II — Aceptar la hipótesis nula (Ha!#/&$" ! !<&!"0" !*#<&'&*!1$!)!5*## !8/! estamos desarrollando, sería: “Aceptar la moneda como correcta, cuando en verdad no lo es”. Error tipo I — K ( ) la hipótesis nula (Ha!#/&$" ! !<&!"0" !&#+&*!Y(#<&'&*!)&! moneda como incorrecta, cuando en verdad está equilibrada”. Los dos tipos de error son inherentes al proceso de la prueba de 9$%#&#7$!y la probabilidad de co*!** *! *2!9/&)!&)!$4)!"! 9$%#&#7$ [&0)&!!!![+ !"!** * 9HUGDGHUD 'HFLVLRQHV Existen por lo tanto, dos posibles decisiones: aceptar o ( ) )&!<+7 !8/!&!)&!4'!+/"! *! cierta o ' . =2 ) !$!)&!&0)&!Z ! )DOVD $FHSWDU 5HFKD]DU Decisiones en cuanto a los tipos de error Si se acepta una hipótesis verdadera, la decisión es correcta. Si se acepta una hipótesis falsa, cometemos el error de tipo II. ?!*#<&'& !/$&!<+7 !4*"&"*&!# * !error de tipo I. ?!*#<&'& !/$&!<+7 !3&) &!)&!"# 7$! !correcta. [&0)&!!! 3HUVRQDMX]JDGD 'HOMXH] 'HFLVLRQHV Ejemplo 2.! ! 2 ! $"#&" ! ! /)'&" ! +&*&! comprender mejor lo anterior, es el siguiente ejemplo: supongamos que se detiene a una persona por robo y !)!$4&!&)!5/'!8/$!+ "*2!"#)&*&*) !$ #$! ! #/)+&0)!F)!5/'! !)!+* $&$!) !+* !!) !# $*&!! con base en toda la información, decide dejarlo libre ! # $"$&*) ! 1)! 5/'! $ ! &0*2! ! </0 ! ** *! $! /! decisión, sólo lo podrá saber la persona que ha sido 5/'9&"& ,QRFHQWH &XOSDEOH /LEUH www.FreeLibros.org Si lo deja libre y el acusado es culpable se estará cometiendo un error (tipo II), si por el contrario, &RQGHQDGR CAPÍTULO OCHO PRUEBA DE HIPÓTESIS Y LÍMITES DE CONFIANZA 327 lo condena siendo inocente, también se estará cometiendo error (tipo I); hasta ahí va nuestra decisión: aceptar o ( ) pero no sabemos exactamente el error cometido, sólo sabemos que se puede cometer. Un comentario adicional: para la sociedad ¿Cuál de las decisiones es la mejor? ¿Qué opina usted? Ejemplo 3. Supongamos con base en una muestra aleatoria, que deseamos probar la hipótesis de que el precio medio de un apartamento con tres dormitorios y dos baños, en un barrio de la ciudad es de _ !1+)8/!¿en qué condiciones cometeríamos un error y de qué tipo? o : 1** *!"!+ !``! !&#+& !8/!)!+*# !")!&+&*&$ !" #* ! !"!_ pesos, cuando no lo es. 1** *!+ !`! !*#<&'& !)!+*# !"!_ !"! !#/&$" ! !#* El que un error de tipo I o tipo II !# &!"+$"!"!#7 ! &!3 */)&"&!)&!<+7 !=2 ) ! mediante el siguiente ejemplo. Ejemplo 4. Supongamos que el decano de una universidad desea contratar los servicios del profesor "* ! *'!+&*&!)) ! ! " !&!/$&!$*4 &!0&5 !las siguientes hipótesis: &!1)!+* 3 *! *'! !# +$!+&*&!" &** ))&*!)&!labor. 0! 1)! +* 3 *! *'! $ ! ! # +$! +&*&! &! )&0 *! k1$! 8/! # $"# $ ! el decano cometerá errores de tipo I y de tipo II, en cada caso? o : a) Error tipo I: "#"*!8/!)! @ *! *'!$ ! !# +$! !*&)$!) ! Error tipo II: "#"*!8/!)! @ *! *'! !# +$! !*&)$!$ !) ! b) Error tipo I: "#"*!8/!)! @ *! *'! !# +$!#/&$" !*&)$!$ !) ! Error tipo II: "#"*!8/!)! @ *! *'!$ ! !# +$!#/&$" !*&)$!) ! Nota: ?!&# $ 5&!*&)'&*!)& !4# !8/! &$!$# &*& !) !5*## !8/! !"&$!al principio como ejemplos y los primeros ejercicios dados para resolver, cuya solución está en el SIL. ipótesis nula y alternativa Se ha dicho que una hipótesis estadística es un supuesto, concerniente a los parámetros o a la forma de la distribución de probabilidad, correspondiente a una o más poblaciones dadas. En otras palabras, se resume diciendo que corresponde a un enunciado acerca de un 6 (parámetro) . La hipótesis se debe formular en forma correcta o lógica y debe ser enunciada antes de obtener los datos muestrales. Son ejemplos de hipótesis estadística: w/! )! +* " ! "! #&)%#&#7$! 8/! $"*2$! ) ! &)/$ ! $! ! #/* ! "! &" #&! &! /+* *!&! 1)! !"!)& !/$"&" !+* "/#"& !+ *!/$&!28/$&! *2$!"3#/ & !"! ! /"&$ !&+* 0&*2$!)!#/* www.FreeLibros.org 328 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO La ( !&8/))&!+ *!" !"!)&!#/&)! !<&#!/$&!&%*&#7$! 0*!/$!+&*2* !8/! ! va a constatar con el resultado muestral. Cuando el fabricante dice que su producto tiene una duración de 5.000 horas, se le considera como hipótesis nula, pues es lo que se quiere probar. La ( ! ! "&!&8/))&!<+7 !8/!"%*!"!)&!<ipótesis nula, es decir, ofrece /$&!&)*$&4&!&%*&$" !8/!)&!<+7 !$/)&! !3&) &! &*&!)!5+) ! !+ "*2!"#*!8/!)&!<+7 ! alternativa podrá ser: El fabricante ha < la duración de su producto O a la ) ). El producto tiene una duración superior al señalado por el fabricante (prueba unilateral a la derecha). La duración del producto no es la señalada por el fabricante (prueba bilateral). Prueba unilateral y bilateral La ( ! &8/))&! $! )&! #/&)! )&! ' $&! "! *#<&' ! ! ' $&! #*#&! 2! completamente comprendida en uno de los extremos de la distribución. La prueba es ( (de la curva); cuando la hipótesis alternativa de lo que se quiere probar, hace mención por ejemplo a que los salarios que paga una empresa son ; que la calidad de un producto es superior; que el rendimiento académico es mejor, etc. Si por el contrario, la hipótesis alternativa !*%*!&!8/!) ! &)&* ! $!inferiores, que el producto es de menor calidad, que el rendimiento académico es bajo o que el productor < la duración del producto, etc., corresponderá a una i) . 1$!)!#& !"!8/!)&!+*/0&!# +*$"&!2*& ! !' $& !"!*#<&' !$!&0 !* !"!)&!" *bución, se dice que la o sea que la hipótesis alternativa es diferente; por lo tanto se omiten los términos: superior, , mejor, inferior, bajo, menor, etc. ' Se entiende por !)&!2&!+* 0&0)"&"!"!8/! ! +#%8/!# $!)!%$!"!<&#*! mínimo el primer tipo de error. Generalmente, esta +* 0&0)"&"! !%5&!&$ !"! # 9*!)&!/ *& 1)!$4)!"! 9$%#&#7$! ! 0 )'&!+ *!&)3&!( ! $" !9$*&)$!")! ! ! ! !+* ! ! puede usar cualquier nivel, dependiendo del tipo de investigación que se adelante. Existe la costumbre de trabajar con el nivel de 0,05 o sea del! ! +#&)$!#/&$" !)!$/$#&" !")!+* 0)&!$ !) !"& ;/&$" ! !*&0&5&!# $!/$!$4)!")! !)!* /)&" ! ! 6! ! !+)&!)!! !)!* /)&" ! es !! ! !")! ! !# $ "*&!poco El valor del corresponde a un área bajo la curva de probabilidad o normal, denominada región crítica o ) ( ). Se tendrán casos en que la región crítica esté situada únicamente la derecha de la curva, se dirá que se trata de una dócima unilateral a la derecha. Si se sitúa a la i'8/*"&! *2!/$&!"7#&!/$)&*&)!<&#&!)&!'8/*"&!1$!#& !"!# $ "*&*!" !regiones críticas, se hablará de una dócima bilateral. En las dócimas unilaterales se tomará el valor total de alfa; para las dócimas bilaterales alfa se dividirá por dos. La región no sombreada o no cubierta por el $4)!"! 9$%#&#7$! !"$ $&*2!) aceptación o de ( ). ra .1 www.FreeLibros.org CAPÍTULO OCHO PRUEBA DE HIPÓTESIS Y LÍMITES DE CONFIANZA 329 {9/*&!!!!(9 $ !críticas ∝= 0,05 ∝= 0,05 (0,4500) → = 1,64 1,64 ∝= 0,05 ∝= 0,05 0,5000 − 0,0500 = 0,4500 (0,4500) → = −1,64 ó − 1,65 -1,64 ∝= 0,05 0,5000 − 0,0250 = 0,4750 (0,4750) → ∝=0,025 ∝= 0,025 2 = 1,96 2 = 1,96 -1,96 = − 1,96 Z R 1,96 ∝ N P Regiónes critica Procedimiento a seguir en las pruebas de ipótesis Se presenta en primer lugar una síntesis de los pasos a seguir, luego se amplía cada uno de ellos para que !$9&!/$&!5 *!4 7$!")!+* #"$ !!%$&)$! !"&$!5+) !+&*&!&/"&*!&!* )4*!)& ! inquietudes que se hayan creado. : 1. Formular la hipótesis nula y la alternativa. !?)## $&*!)!$4)!"! 9$%#&#7$ !; $ #*! ! &*!)&!4&*&$'& !B*$&*!)&!#$#&!!)&!+*/0&!estadística. !B*$&*!) !4&) * !#*# !! / !*9 $ !"!*#<&' !;&)#/)&*!) !"& !/ *&) !/)'&$" !)& !37*/)& !# ** + $"$ ![ &*!)&!"# 7$! &" #&!"!&#+&*! !*#<&'&* www.FreeLibros.org Ampliemos el resumen anterior; para ello se recomienda tener presente, además de los siguientes pasos, las alternativas que se dan para cada situación especial. 330 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO 1. J (ipótesis: + 0 : Hipótesis nula Ho + : Hipótesis alternativa H1 a) En el caso de la moneda (normal) y en distribuciones de medias muestrales se podrían presentar las hipótesis de las siguientes formas: + 0 μ = 50 + μ ≠ 50 + 0 μ = 50 + μ < 50 + 0 μ = 50 + μ > 50 (dócima bilateral) (dócima unilateral a la izquierda) (dócima unilateral a la derecha) b) En el caso de una distribución de diferencias entre , puede plantearse así: +0 μ = μ + +0 μ = μ μ ≠μ μ >μ + (dócima bilateral) +0 μ = μ + (dócima unilateral a la derecha) μ <μ (dócima unilateral a la izquierda) c) En las proporciones se escribirá para cada caso, así: + 0 μ = 0,50 + μ ≠ 0,50 + 0 μ = 0,50 μ > 0,50 + + 0 μ = 0,50 + μ < 0,50 d) Diferencias entre dos proporciones: +0 μ + 2. 3. 1 =μ μ 1 ≠μ 2 +0 μ 2 + 1 =μ μ 1 >μ 2 +0 μ 1 = μ 2 2 + μ 1 <μ 2 J : = ⎧a) ∝ = 0,05 o 5 % ⎪ !$4) !"! 9$%#&#7$!2 !/)'&" ! $ !! ⎨b) ∝ = 0,01 o 1% ⎪c) ∝ = 0,10 o 10 % ⎩ 7 & a) La muestra es aleatoria. b) La población es normal. #!!&!4&*&$'&!+ 0)&# $&)! !# $ #"&!$!)&!mayoría de los casos no se conoce, por lo tanto debe ser estimada). 4. Se formula la respectiva variante estadística: www.FreeLibros.org a) : = −μ σ CAPÍTULO OCHO PRUEBA DE HIPÓTESIS Y LÍMITES DE CONFIANZA 331 b) Distribución de : = −μ σ/ −μ / = > 30 C c) Distribución de : = − > 30 S d) Distribución de diferencias entre : = ( − )− (μ σ2 1 + ) −μ = σ2 ( )− (μ − 2 2 −μ ) 2 + 1 2 (Siendo n1 QE- e) Distribuciones de diferencias entre : = ( 1 − 2 )− (μ 1 1 1 5. F 6 + 1 −μ 2 2 2 ) Cuando n1 y n2!! 2 : Zi y Zs &!F)!*&0&5&*!# $!/$!$4)!"! 9$%#&#7$!")! !"!"7#&! , se tendrá: Zs = y Zi 0!!; $!)! !$4)!"! 9$%#&#7$!!/$&!"7#&! : Zs J!!!!7!!!6! !)&!+*/0&! !<&#&! la derecha; Zi J!!!!7!!!! !)&!+*/0&! !<&#!&!)&!'8/*"& 6. crítica: (Bilateral con un J! Zs Zi ! ! ! ∝= 0,025 ∝= 0,025 2 2 ! -1,96 1,96 ∝= 0,05 (Dócima unilateral a la derecha) Zs !! !! www.FreeLibros.org 1,64 332 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO ∝= 0,05 (Dócima unilateral a la i'8/*"& Zi ó -1,65 7.!! ?!)!"&$!4&) * !&!)&!4&*&$! &" #&!# $!)!%$!"! 0$*!)!4&) *!"! En el ejemplo de la moneda, se tiene que: Z = 8. 5 ,5 − 50 = 1, 5 Adoptar una decisión! !&#+&! ! !*#<&'&!)&!<+7 !$/)&!"!&#/*" !al $4)!"! 9$%#&#7$! dado. Siguiendo el ejemplo 1, donde Z!J!!*&0&5&$" !# $!/$&!"7#&!0ilateral, además, con un nivel "! 9$%#&#7$!")! !$# $*& !8/!)!! ! &!$!l&!' $&!"!&#+&#7$!+ *!) !&$ !&#+& ! la hipótesis nula ( H0! !!J! !! !"#*!)&! $"&! !)9&! !# **#&!$ ! 2!#&*9&"&!1$! *& !+&)&0*& !)&!"3*$#&!8/!<&!$*!)!4&) *! +*&" ! !#&*& !!)! 0$" !$!)!+*$ ! !#&*& ! $ ! ! 9$%#&4& DISTRIBUCIÓN DE MEDIAS MUESTRALES ( ) =& ! &)9/$ ! 5+) ! #/&$" ! ! # $ #! )&! ) y cuando se desconoce. Como orientación en este último caso, por lo general, después de señalar el tamaño de la muestra, y su media, 4$"*2!)&!"$%#&#7$!"!)&!" 4&#7$!+#&!4&$" !"! &!&$*&!8/! !# $3/$"&!)&!" 4&#7$! ! )&!4&*&$'&!/ *&)!# $!)&!+ 0)&# $&) ;^ {^ 1$! ) ! +& ! " #* ! &$* *$! +#%#&$! $! )! $* ! ! ! &0)#*2! 8/! )&! 4&*&$'&! poblacional (! /+/ &$! !# $ #!;/&$" !$ ! !# $ #"&!"0*2! *! / /"&!+ *!)&!4&*&$'&! muestral (s! +*!!#/&$" !)&!/ *&! &!9*&$"! !"#*!& *!&! !1$!) !" !#& !)!+* # ! de cálculo es igual, sólo se sustituye a por s. 1$!/$!5*## !#/&$" !$9& !"/"&! 0*!)&!4&*&$'&! ! !+ 0)&# $&)! !/ *&)!"0 ! observar que después de R , lo que sigue son resultados muestrales, tal como lo presentamos a continuación. a) = b) = = n = n = <– = <– = s = Ejemplo 1.!$!$ +# *!"!#&)"&"!$4 9&!)& !&#/ &# $ !# $*&!/$&!0 ))&" *&!+ *! /!"%#$! ))$&" !8/!"0! *!$!+* " !"!! $'& ! &*&!)) ! &!/$&!/ *&!"! !0 ))& !$# $*&$" ! 8/!)!# $$" !" ! !"!! $'& !"!)8/" !?! &0!8/!)&!28/$&!0 ))&" *&!"0!+* "/#*! /$!))$&" !# $!/$&!" 4&#7$!+#&!"!! $'& !k /"!)!$ +# *!))9&*!&!la conclusión, a un nivel "! 9$%#&#7$!")! !8/! ! 2$!))$&$" !)& !0 ))& !+ *!debajo "! /! +#%#&#7$!"!# $$" www.FreeLibros.org CAPÍTULO OCHO PRUEBA DE HIPÓTESIS Y LÍMITES DE CONFIANZA o 333 : μ = 32,5 0 σ = 3,6 : μ = 32,5 = = 31,9 = 60 −μ σ = μ = 32,5 : μ < 32,5 1 = μ < 32,5 ∝= 0,05 ∝ = 0,05 σ = 3,6 = 31,9 − 32,5 = −1,29 3,6 60 -1,64 ; !! ! &!$!)&!' $&!"!&#+&#7$! !42)"&!)&!<+7 !$/)&!) !cual 9$%#&!8/!)! inspector no debe llegar a la conclusión, que se está llenando y vendiendo un producto por debajo de su +#%#&#7$!&)!$4)!")! Ejemplo 2.!$!+* # ! 2!+* 9*&&" !+&*&!+&#&*!)&!#&$"&"!"&!"!/$&!)0*&!! $'& !"!#&3! ?! &!/$&!/ *&!&)& *&!"!!+&8/ 6!* /)&!/$&!"&!"!! $'& !!" 4&#7$!+#&!"! ! $'& !F)!$4)!")! !¿se + "*2!&%*&*!8/! con lo indicado en el empaque? o : Observe que no se está diciendo que el peso está por debajo de lo establecido, ya que la media podría ser cualquier valor. En este caso la prueba es . = ! ! 0 n = ! ! s = ! : μ = 16 : μ ≠ 16 ∝ = 0,05 = 5,3 = <– = ! 14,2 − 16 = −2,04 5,3 36 ∝=0,025 ∝= 0,025 2 2 -1,96 1,96 F)!$4)!")! ! !+ "*2!&%*&*!8/!$ ! ! 2!#/+)$" !# $!) !$"#&" !+ *!)&!320*#&!?!+/"! 4*!8/! ! !/0#&!$!)&!*97$!#*#&!+ *!) !&$ ! ! &*2!*#<&'&$" !)&!<+7 !$/)&!!&#+&$" ! la hipótesis alternativa. Ejemplo 3.!1$!/$&! %#$&!"!* & ! !$$! !+&8/ !# $!diferentes pesos en kilogramos para ser remitidas a diferentes partes del país. Para conocer el peso promedio de los paquetes se selecciónó /$&!/ *&!"!!"!))& !# $!los siguientes resultados: www.FreeLibros.org ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! 334 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO Se sabe que la desviación estándar poblacional es de 10, pero es desconocida la media poblacional (J! !4*"&"*&!; $" !/$!* 9 !&)3&!$4)!"! 9$%#&#7$!")! !"7#&*!7!+* 0&*!)&!<+7tesis de que la media poblacional sea igual: & ! ! 0! ! # ! ! "! ! ! 1 & S Como se conoce la media poblacional verdadera, se puede comprobar si la decisión adoptada es correcta o no. En efecto, para cada uno de los 5 casos anteriores establecer si la decisión es correcta y en caso contrario indicar el tipo de error cometido. La intención de este ejercicio es mostrar que a medida que la media poblacional hipotética se aproxima a la media poblacional verdadera se comete error tipo II. o : ! ! a) 1) H0 : ! ! ! Ha : ! ! −μ = ! ! ! = ! ! = σ (0,4750 ) → ! ! 10 ! 49,75 − 40 = 3,9 10 16 ! – –––– < = = ! ∝=0,025 ∝= 0,025 2 = 1,96 ≥ 1,96 ≤ −1,96 2 -1,96 1,96 !J!!#&!$!)&!*97$!#*#&!! Z !!!+ *!&)! 4 ! !*#<&'&!)&!<+7 !"!8/!J! ! sabiendo que la media verdadera J! ! & !*#<&'&$" !&)9 !3&) !+ *!) !&$ !$ !<&!error, al $4)!")! b) 1) !!!!!) 0 ∝ = 0,05 : μ = 49 : μ ≠ 49 = −μ σ = 49,75 − 49 = 0,30 10 16 σ = 10 ∝=0,025 ∝= 0,025 2 2 0,5000 − 0,0250 = 0,4750 (0,4750 ) → = 1,96 -1,96 1,96 Siendo Z!J! !#&!$!)&!' $&!"!&#+&#7$! !"#*!8/!&#+& !8/!J!!# ! &0 ! 8/!)&!"&!+ 0)&# $&)!4*"&"*&! ! ! & !&#+&$" !&)9 !3&) !** *!"!+ !``!&)!$4)!")! c) 1) ) 0 : μ = 50 : μ ≠ 50 = −μ σ = ∝ = 0,05 49,75 − 50 = − 0,10 10 16 σ = 10 ∝=0,025 ∝= 0,025 2 2 www.FreeLibros.org μ -1,96 1,96 CAPÍTULO OCHO PRUEBA DE HIPÓTESIS Y LÍMITES DE CONFIANZA : μ = 51 : μ ≠ 51 0 −μ = σ σ = 10 ∝ = 0,05 = 49,75 − 51 = −0,50 10 16 335 ∝=0,025 ∝= 0,025 2 2 -1,96 1,96 , al nivel del 5%. : μ = 60 : μ ≠ 60 0 49,75 − 60 = −4,10 10 16 = σ = 10 ∝ = 0,05 ∝ = 0,025 ∝ = 0,025 2 2 , al nivel del 5%. -1,96 1,96 Ejemplo 4. De la “población normal” mencionada en el ejercicio anterior, se extrajo una muestra aleatoria "!! 0 *4&# $ !#/&!"&!/ *&)! !"!!1+)&$" !) !$4) !"! 9$%#&#7$!")! !!")! !" #&*!7!+* 0&*!)&!<+7 !" $"!)&!"&!+ 0)&# $&)! & !!!!&! !!!!0! 1 & o J T : Cuando = 0,01 0 : μ = 50 : μ ≠ 50 = −μ σ ∝ = 0,01 σ = 10 ∝ = 0,005 2 0,5000 0,005 = ! A (! ! Z = ! : μ = 49 : μ ≠ 49 = −μ σ 2 = 54 − 50 = 2 10 25 -2,57 0 ∝ = 0,005 ∝ = 0,01 Z!J!!!!1)!! !/0#&!$!)&!' $&!"!&#+&#7$! Z !<&!error!&)!$4)!")! σ = 10 ∝= 0,005 2 = 54 − 49 = 2,5 10 25 2,57 -2,57 ∝ = 0,005 2 2,57 www.FreeLibros.org Hay error de tipo II, se acepta algo f&) !&)!$4)!")! 336 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO Ahora, cuando = 0,05 ∝ = 0,05 : μ = 50 : μ ≠ 50 0 σ = 10 ∝=0,025 ∝= 0,025 2 = −μ σ = 54 − 50 = 2 10 25 2 -1,96 1,96 Z!J!!!?!/0#&!$!)&!' $&!"!*#<&' !?!# !/$!** *!"!+ !`!+ *!r#<&'&*!&)9 !4*"&"* !&)!$4)!")! 0 ∝ = 0,05 : μ = 49 : μ ≠ 49 = −μ σ σ = 10 ∝=0,025 ∝= 0,025 2 = 54 − 49 = 2,5 10 25 2 -1,96 1,96 Z!J!!!!!?!/0#&!$!)&!' $&!*#<&' !Z !<&!rror!&)!$4)!")! EJERCICIOS PARA RESOLVER La gran mayoría de los ejercicios de este libro, se encuentran resueltos en el Sistema de Información en Línea SIL. 1. Dado !! B&" !! <– !J!! !J!! n!J!! <– !J!! S J!! n!J! B #&*!)&!<+7 !μ!J! ! B #&*!)&!<+7 !μ!J! !!! /#< ! &@ ! "! +*$#&! $! /$! &$! "! $9* ! &! )&! /$4* "&"! $! $9) ! &** 5&! /$&! #&)%#&#7$! +* " ! "! ! # $! /$&! " 4&#7$! 2$"&*! "! ! [ " ! ) ! /"&$ ! "! #*&! #/"&"! $! )&! #/&)! $! ! <&$! 0$" ! /$&! #&)%#&#7$! +* " ! "! ! k /"! $* ! )&! #*'&!"!8/!) ! /"&$ !"! &!#/"&"! $! /+* * !$!$9) !!! B #&*!)&!<+7 !"!8/!)&!" &$#&!"&!*8/*"&!+&*&!+ "*!"$*!/$!&/ 74)!8/!4&!&! !O<! !"!!* !; $!0& !$!/$&!/ *&!"! !# $"/# * ! ! 0$!8/!)&!" &$#&! – media es < J! ! * ! # $! /$&! " 4&#7$! 2$"&*! "! s! J! ! * ! )'&*! /$! $4)! "! 9$%#&#7$!")! 5. Dado < J!!!!!s!J!!!!!n!J! !" #&*!)&!<+7 ! J! !3*$!&!)&!&)*$&4&!0)&*&)! !&)!$4)!"! 9$%#&#7$!")! – !!! ;/&* #$ ! /"&$ ! )9" ! &)& *&$! ! $! &! /$! Y ! "! *$"$ ! – obteniéndose los siguientes resultados: < J!!!!!s!J!!# $!0& !$! &!$3 *&#7$!" #&*!)&! hipótesis J!!3*$!&!)&!&)*$&4&! !&)!$4)!"! 9$%#&#7$!")! www.FreeLibros.org Nota: cuando se conoce no debe preocuparse si es peque a CAPÍTULO OCHO PRUEBA DE HIPÓTESIS Y LÍMITES DE CONFIANZA 337 !!! B&" !<– J!6!! J!!!!!n J!!" #&*!)&!<+7 ! J!!3*$!&!)&!&)*$&4&! !&)!$4)!"! 9$%#&#7$!")! !!! $&! $#/ &! *4)&! 8/! ) ! ! &/ ! +&*#/)&* ! 8/! # $ /$! /$&! / *&! &)& *&! ! condujeron a un promedio "! !!"/*&$!/$!&@ !# $!/$&!" 4&#7$! 2$"&*!"! !! Con base en esta información, docimar la hipótesis donde, en promedio, los autos particulares se # $"/5* $!&! !!"/*&$!/$!año, frente a la alternativa de que el promedio sea superior. )'&*!)!$4)!"! 9$%#&#7$!")! !!! $&!/ *&!&)& *&!"!'&+& !n!J! !/ &" !+ *!) ! )"&" !$!campaña en un desierto, revela /$&!4"&!"&!"! !&@ !# $!/$&!" 4&#7$! 2$"&*!"! !&@ !?! &0!8/!$!# $"# $ ! $ *&) ! "#< ! '&+& ! $$! /$&! 4"&! "&! "! ! años. F)! $4)! "! 9$%#&#7$! ")! ! k<&!*&'7$!+&*&! $*!8/!)&!disminución "!)&!4"&!"&!"!) !'&+& ! !"0!&! /!/ !$!)! desierto? 10. Un fabricante de cuerdas, ha establecido con base en una experiencia de muchos años, que las cuerdas $$!/$&!3/*'&!"!*/+/*&!"!!)0*& !# $!/$&!" 4&#7$! 2$"&*!"!!)0*& !?!3#&!/$! #&0 !$!)!+* # !"!3&0*#&#7$!! ! 0$!/$&!/ *&!"!!&*#/) !#/&!3/*'&!"&!"! */+/*&! !"! !)0*& !# $!/$&!" 4&#7$! 2$"&*!"!!)0*& !kB0!# $ "*&* !8/!)!$/4 ! +* # !$!/$!3# ! 9$%#&4&$!$9&4 !* +# !&!)&!* $#&!"!)& !#/rdas? 11. Un fabricante sostiene que sus autos consumen en promedio 5,50 galones cada 100 kilómetros. Un vendedor de la compañía # +*/0&!)!# $ / !"!9& )$&!"!!&/ !!$#/$*&!8/!)! # $ / !" !"! !9*/+ ! !"!!9&) $ !#&"&! !)7* !# $!/$&!" 4&#7$! 2$"&*! "! !9&) $ !; $! !"& !k+/"!"/"&* !"!) ! / $&" !+ *!)&!compañía Z4)!")! !! ! &)&* !"&* !$!/$! # *!"!)&!$"/ *&! 2$!" *0/" !$ *&)$!# $!/$&!"&!"! _ !!/$&!" 4&#7$! 2$"&*!"!_ !?!/$&!+* &!")! # *!8/!#/$&!# $! ! 0** ! +&9&!$!+* " !_ !k+/"!"#* !8/! &!compañía paga salarios inferiores, al nivel de )&! 9$%#&#7$!")! !! $!$4 9&" *!& 9/*&!8/!)!9& !+* " ! &$&)!"!)& !3&)& !"!/$&!"*$&"&!*97$! $!&)$&#7$! !"!_ !; $!0& !$!) ! 9/$ !* /)&" !+&*&!)&!4&*&0)!!9& ! – semanales). < J! !!!!!!!!!! s J! !!!!!!!!!n!J! k; $!)!$4)!"! 9$%#&#7$!")! ! !+/"!&#+&*!) !8/!"#!)!$4 9&dor? !! $!" *0/" *!"!0 & ! +#&) !"!*&0&5 !)!9&*&$'&!&)!53!"!/$&!+* &!8/!)!+* " ! "!"/*&#7$!"!)& !0 & ! !"!! !# $!/$&!" 4&#7$!+#&!"! !!" !1)!#)$!"!)&! +* &!"#"!# +*&*!!+&* !"!0 & !8/!$!+* " !"/*&$!! ! !días.!k[$!*&'7$!)! 3&0*#&$!# $!/$!$4)!"! 9$%#&#7$!")! 15. Una compañía 8/!4$"!#&&*7$!# $9)&" !+*! 0*!)!$4& !Y# $$!! $'& !$&! / *&!"!!$4& !"&!/$&!"&!"!! $'& !B!)& !+*$#& !&$* * ! !""/#!8/! )&!+ 0)&#7$!")!+ !"!) !$4& !$!/$&!" 4&#7$!+#&!"! ! $'& !)'&$" !/$!$4)!"! 9$%#&#7$!")! !k !+/"!&#+&*!) ! 3*#" !+ *!)&!+* & www.FreeLibros.org !! 1$!/$&!#/"&"! !/ &$!) !"!0 0))& !#&"&!año. La marca que se ha usado en el pasado tiene duración media de 1.000 horas, con una desviación típica de 100 horas. Se ofrece una marca a un 338 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO precio mucho más bajo del que están pagando por la antigua. Deciden que se cambiarán a la nueva marca, a menos que se demuestre que ésta no tiene una duración media inferior a la de la bombilla &$* *6!)!$4)!"! 9$%#&#7$! !")! !; !# $ #/$#&! !+*/0&!/$&!/ *&!"! ! 0 0))& !"!)&!&*#&! 0$$" !/$&!"/*&#7$!"&!"!!< *& !?/+ $$" !8/!)&!" 4&#7$! típica de la nueva marca es la misma que la antigua, ¿qué conclusión debería obtenerse? !! $! 3&0*#&$! "! 0 0))& ! "! " )) ! +&*&! 3 9*&3&! & 9/*&! 8/! )&! "/*&#7$! "&! "! /! +* "/# !+& &!"!)& ! !< *& !$&!compañía desea comprar un lote muy grande de dicho artículo, !)&!& 4*&#7$! !#*&!?!+*/0&!/$&!/ *&!&)& *&!"!!0 0))& !! !<&))&!8/!)&!"&! / *&)! !"!!< *& !?!)&!+ 0)&#7$!"!0 0))& !$!/$&!" 4&#7$!+#&!"!!< *& !k ! posible que se compren las lámparas? ! $&! 28/$&! +* "/#! $! +* " ! ! )0*& ! "! $*& ! + *! $/ !F)! &"# $&*! /$! # +/ ! 8/# !&! !28/$& ! & !+* "/5* $!/$!+* " !"!!)0*& !"!$*& !+ *!$/ !!/$&!s!J! 5 ¿Se puede concluir que la solución aumenta la productividad? ( ! 19. Un cierto tipo de fusible está diseñado +&*&!3/$"* !#/&$" !)&!# **$!))9&!&! !&+* !?! &!/$&!/ *&!"!!3/ 0) !"!/$!) !"! !! !$#/$*&!8/!)!+/$ !+* " !"!3/ 7$! !"! !&+* !# $!" 4&#7$! 2$"&*!"!!amperios. )'&$" !/$&!dócima bilateral, ¿a 8/!# $#)/ $ ! !+/"!))9&*!* +# !&!)& ! +#%#&# $ !")!) !&!/$!$4)!"! 9$%#&#7$! del !! $!3&0*#&$!"!&+&*& !"!#&)3&##7$!$!/$!+* 4" *!8/!)! /$ *&!#* !# + $$ ! 8/! $$! # ! +#%#&# $ ! /$&! * $#&! "! ;! &)! #&) *! 1)! 3&0*#&$! *&)'&! /$&! )##7$!&)!&'&*!"!!"!"#< !# + $$ !y comprueba que su resistencia media al calor es de ;!# $!" 4&#7$! 2$"&*!"! ;!k /"!))9&*!&!)&!# $#)/ 7$!"!8/! /!+* 4" *!$ ! $!)& ! +#%#&# $ !&# *"&"& !&!/$!$4)!"! 9$%#&#7$!"! !! $! !"!+ # ) 9&!$&!/$&!+/$/&#7$!"&!"!!+/$ !!/$&!" 4&#7$!típica "!!?! )## $7!&)!&'&*!/$!9*/+ !"!! /"&$ ! $" ! /!#&)if#&#7$!"!!+/$ !k /"!&%*&* ! &)!$4)!"! 9$%#&#7$!")! !8/!)!* /)&" !"! !9*/+ !3/!$3* * !! $&!/ *&!"! !&*#/) !+* "/#" !+ *!/$&!28/$&!8/!"0!$*!# ! +#%#&#7$!/$! "2* !"!!# !*4)&!/$!"2* !+* " !"!!# !# $!" 4&#7$! 2$"&*!"! ! #!k "*&!&%*&* !8/!)!&$* *!* /)&" ! !&5/ &!&!)& ! +#%#&# $ !"!+* "/##7$ !! $!+* # ! 2!+* 9*&&" !+&*&!+&8/&*!)&!#&$"&"!"&!"!/$&!)0*&!"!&'#&*!?! &! /$&!/ *&!&)& *&!"!!+&8/ !! !$#/$*&!/$&!"&!"!! $'& !!" 4&#7$!+#&!"!! $'& !F)!$4)!")! !! !+ "*2!&%*&* a) ¿que se está vendiendo un producto por debajo de su peso? b) ¿si el promedio verdadero es de una libra, en la prueba anterior, se cometió un error de tipo II? !! Una compañía &%*&!8/!)!+ !$# &* !+&*&!3&0*#&*!/$!&*#/) ! !"!!$/ !# $!/$&!4&*&$'&! "!!< *& !?!toma /$&!/ *&!"!!&*#/) !# $!/$!+ !+* " !"!!$/ &!F)!$4)!")! !k !+ "*2!&%*&*!8/!)!+* "/# !*8/*!/$!+ !& *!"!3&0*#&#7$!8/! ) !&%*&" !+ *!)&!# +&@& 0!k?!)!+ !*&)!"!3&0*#&#7$! !"! !$/ !$!)&!+*/0&!"! 9$%#&#7$! !# 7!/$! error de tipo I? www.FreeLibros.org CAPÍTULO OCHO PRUEBA DE HIPÓTESIS Y LÍMITES DE CONFIANZA 339 !! $! 9$& ! *#$! $&/9/*&" ! $! )&! #&+&)! $4&! &! /! &%)&#7$! &*9/$&$" ! /$&! *"/##7$! "!+ !&)!$ !"!!) !$&!/ *&!&)& *&!"!!+* $& !*4)&!8/!)!+* " !"! *"/##7$!"!+ ! !"!!) !# $!" 4&#7$!+#&!"!!) !F!/$!$4)!")! !k !+/"! creer lo tan anunciado por el gimnasio? !! $!# $# $&* !"!automóviles promociona un nuevo modelo de vehículo, ofreciendo economía en el combustible; asegura un promedio de 50 kilómetros por galón de gasolina. Se tomó una / *&!"!!4<#/) !"!) ! !8/! !<&$!4$"" !! !$# $*7!8/!)!+* " ! !"!! kilómetros por galón, con desviación típica "!!)7* !+ *!9&)7$!F)!$4)!")! !k !+ "*2! decir que el concesionario ha exagerado? !! $&!/ *&!&)& *&!"! ! 0** !"!/$! # *!"!)&!$"/ *&!"!)&!# $ */##7$!$# $*7!8/!)! +* " !"!"&"! !"!!&@ !?$!0&*9 !/$!&) !5#/4 !& 9/*&!8/!)!+* " !"!"&"! ! /+* *!&!) !!&@ !# $!/$&!" 4&#7$! 2$"&*!"!!años, k?!+/"!&#+&*!)&!&%*&#7$!")! ejecutivo? !! $&!compañía promociona un nuevo ambientador asegurando que mantiene el ambiente agradable + *!) !$ !"/*&$!!< *& !$!&$2) !*&)'&" !$! !&0$ ! )## $&" !&)& *&$! $"#7!/$!+* " !"!!< *& !!"&!k?!+/"!&#+&*!)&!&$* *!& 4*&#7$!?! &0!+ *! experiencia que la desviación típica es de una hora y cuarenta y cinco minutos. !! $&! 28/$&! +* "/#! $! +* " ! ! )0*& ! "! $*& ! + *! < *&!F)! &"# $&*! /$! # +/ ! 8/# ! &! ! 28/$& ! & ! +* "/5* $! /$! +* " ! "! ! )0*& ! "! $*& ! + *! < *&! ! /$&! 4&*&$'&!"! !)0*& ¿Se puede concluir que la solución aumenta la producción de nitrato? (nivel "! !! $&!/ *&!&)& *&!"! !+* 3 * !/$4* &* !"!)&!#&+&)!" !) ! 9/$ !* /)&" <i = !!!!!!!(<i <– ) = 9.900 &!!&!&/ *"&"!"/#&4&!&%*&!8/!)!+* " !"!"&"!"!/$!+* 3 *! !"!!&@ !+* " ! 8/!# $ "*& !"3*$! */0!"#<&!<+7 !&)!$4)!")! 0!!?!$!4*"&"!)!+* " !$!)&!+ 0)&#7$! !"!!&@ !k8/!+ !"!** *!# *& !! $! +* 3 *! &$&! &! /! #/* ! &0! + *! +*$#&! 8/! +* + *# $&! /$! *$"$ ! # $! #&)%#&#7$!"!!?/!#/* !&#/&)! !"!!&)/$ ! &"&!# !/ *&6! 0$!/$&!"&!"! !!" 4&#7$!+#&!"!!kF#*&!&)! /+ $*!8/! !/$!#/* ! /+* *!Z4)!")! Nota: los problemas que aparecen unidades del capítulo 8. repasar lo aprendido en las diferentes DISTRIBUCIÓN DE PROPORCIONES MUESTRALES Los procedimientos de decisión, aplicados a las proporciones son similares a los ya indicados para las medias muestrales; salvo que por lo general, la desviación típica y por ende el error estándar de la +* + *#7$! ! #&)#/)&! # $! "& ! 0$" ! $! )&! / *&! # $! 2 ! "! ! )$ ! &! 8/! & ! trabajando con muestras grandes. www.FreeLibros.org 340 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO =& ! /!&+)#&#7$!# $!&)9/$ !5+) !)/9 ! !*&&*2!"!* )4*! * !5*## !# $!)! deseo de cubrir algunas situaciones particulares que se presentan en esta distribución. Nota: La {de la proporción se calculará con valores muestrales Ejemplo 1. Por estadísticas que se tienen, se ha podido establecer que por l ! $ ! )! ! "! ) ! 574$ ! &$!*9/)&*$!; #&; )&!#/&$" !$$! "!$&!/ *&!&)& *&!"! !574$ !*4)7! 8/! !"!)) ! )&$! &*!"#<&!00"&!#/&$" !$&$! "!k;/2)!+ "*&! *! /!# $#)/ 7$!&)!$4)! ")! !acerca de lo que muestran las estadísticas? o : = 200 450 = 0,44 = 44% 0 : = 0,40 0 : = 0,40 : ≠ 0,40 1 : ≠ 0,40 ∝ = 0,01 = = 250 = 0,56 450 = 450 ∝ = 0,005 = − ∝ = 0,005 2 0,44 − 0,40 = 1,71 0,44(0,56) 450 = 2 -2,57 2,57 !J!! !/0#&!$!)&!' $&!"!&#+&#7$!)/9 !&)!$4)!")! !)&!# $#)/ 7$!&!8/! !))9&! !)&! "!&#+&*!)! !8/!&** 5&$!)& ! &" #& 6!+ *!) !&$ !$ !<&!*&'7$!+&*&!r#<&'&*)& Nota: En todos estos ejercicios siempre se tomará la proporción en la para el cálculo de la v { Ejemplo 2.!$!9*$!"!/$&!# +&@&!&%*&!8/!)!+ *#$&5!"!atrasos en las horas de llegada al *&0&5 !# 05&!&)! !"! / !+)&" !? )#&!&)!jefe "!+* $&)!)&!*4 7$!"! !&*5& !&*#&"& ! con las horas de llegada, en l&!8/$#$&!!$#/$*&!8/!!<&$!))9&" !&*"!F)!$4)!")! !k<&!*&'7$! para concluir que el gerente de la compañía está exagerando? o : = 8 = 0,20 40 0 : : = 0,25 < 0,25 = 40 ∝ = 0,05 ∝= 0,05 = 0,2(0,8) = 0,40 0,20 − 0,25 = = −0,79 0,2(0,8) 40 -1,64 ?!/0#&!!J! !$!)&!' $&!"!&#+&#7$6! por lo tanto podemos concluir, que al nivel del !)!9*$!$ ! 2!&9*&$" Ejemplo 3. Una empresa, al seleccionar su personal lo somete a un curso de entrenamiento. Por +*$#&!)! ! "! ) ! & +*&$ ! &+*/0&$! )! #/* ! ?! 3#&$! #* ! #&0 ! $! )! +* 9*&&! +&*&!)!#/&)! !$ #*0$! !!!) !&+*/0&$!k "*&!&%*&* !8/!) !#&0 !$* "/#" !*"/#$!)&! selección? ( ∝ = www.FreeLibros.org CAPÍTULO OCHO PRUEBA DE HIPÓTESIS Y LÍMITES DE CONFIANZA o 341 : = 24 = 0,60 40 : μ = 0,76 0 ∝ = 0,01 : μ < 0,76 ∝= 0, 01 = = -2,33 −μ = 0,60 − 0,76 = −2,07 (0,6)(0,4) 40 Como ! #&! $! )&! *97$! "! &#+tación, la selección no se reduce con los #&0 !$* "/#" !&)!$4)!")! Ejemplo 4!1)!$ * !"!"/#&#7$!"!/$!+& !& 9/*&!8/!)! !"!los estudiantes universitarios $$!/$!$9* !$ /&)!+&*&! /! $$ ! /+* *!&!_ 6!/ "!8/*!*3/&*!&)!$ * ! # $!/$!$4)!"!# $%&$'&!")! !!+&*&!<&#*) ! &!/$&!/ *&!"! ! /"&$ !$# $*&$" !! # $!$9* !& * !&!_ !k[$!*&'7$!)! @ *!$ * o : = 231 = 0,77 300 = 0,23 ∝= 0,005 : : = 0,8 ≠ 0,8 = (0,77) (0,23) 0,177 = = 0,024 300 300 0 = ∝ = 0,01 2 -2,57 ∝ = 0,005 2 2,57 0,77 − 0,80 − 0,03 = = −1,25 0,024 0,024 ?!&#+&!)&!<+7 !"!8/!)! $4)!")! !"! /"&$ !$$!$9* !$ /&)! /+* *!&!_ !&)! '<^ | } ^ ~ tica y no de aqu llo que se quiere probar. EJERCICIOS PARA RESOLVER La gran mayoría de los ejercicios de este libro, se encuentran resueltos en el Sistema de Información en Línea SIL. !! &! 3*&##7$! "! &*#/) ! "3#/ ! "! #* ! +* # ! /+*4 &" ! ! ! Un proveedor de materia prima ofrece un nuevo producto, asegurando que reduce la fracción de defectuosos. Con )& !/ *& !8/!)!+* 4" *! /$ *&! !<&#!/$!$ & !$!)&!+* "/##7$!# $!)!* /)&" !"!! "3#/ !"!/$! &)!"! !; $*& &*! !)!+* 4" *!$! !$ !*&'7$!$!)&!#&)"&"!"!)&!$/4&! &*&!+*&!# $!/$! !"! 9$%#&#7$ www.FreeLibros.org 342 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO !! 1)!3&0*#&$!"!#* !+* "/# ! &!$*!)! !")!*#&" !"!)&!#&9 *&!"!"#< !+* "/# !F)! *&)'&*!/$! $" !$!/$&!/ *&!+* 0&0) #&!"! !# $ /" * !"!)&!#&9 *&!")!+* "/# ! !"!)) !$"#&* $! *!# $ /" * !k1 !# **#&!)&! &#7$!<#<&!+ *!)!3&0*#&$! ! *!4"$#&!+*$&)! ! &0!8/!)& !+*/0& !"!$9* !&!)&!/$4* "&"! $!%#&# !$!/$! !"!) !#& !#/&$" ! 2!# **#&$!)&0 *&"&!?!&+)#&!"#<&!+*/0&!&! ! /"&$ !! ! 0$!$#&$! !0/$ !* /)&" !k /"!# $ "*&* ! !* /)&" !# !4"$#&! de que la prueba no estuvo bien elaborada? ( ! !! ?/+ $9&! 8/! ! 2! /"&$" ! )&! # +*&! "! /$&! $/4&! 28/$&! +&*&! 3&0*#&*! *$)) ! ?! comprará la máquina si la proporción de tornillos que necesiten rehacerse es igual o menor del !?!&$&!/$&!/ *&!"! ! *$)) !3&0*#&" !+ *!)&!28/$&!!$# &$!*<&#* !! Con J! !k !+/"!# $#)/*!8/!$ ! ! & 3&#!)&!# $"#7$!9"& !! Un cirujano desarrolló una técnica quirúrgica nueva para una enfermedad, en la cual la mortalidad + +*& *&!/ /&)! !")! !F+)#&!)&!#$#&!$! !+&#$ !"!) !#/&) !/*$!!k;*! usted que la nueva técnica disminuye la mortalidad post-operatoria? ( ! !! *!4"$#&!+*$&)! ! &0!8/!#* !*&&$ !+"2*# ! !%#&'!$!/$! !"!) ! #& !#/&$" ! 2!# **#&$! /$ *&" !?!&+)#&!)!*&&$ !&! !$@ !! ! 0$$! $#&$! !* /)&" !+ 4 !k /"!# $ "*&* !"#< !* /)&" !# !4"$#&!"!8/! )!*&&$ ! /4 !0$!&"$ *&" !Z4)!")! ! En una muestra de 50 neumáticos, fabricados por cierta compañía, cinco de ellos no cumplieron las $ *& !"!#&)"&"!1)!9*$! $!8/!)! !"! / !$/2# !$ ! & 3&#$!"#<&!$ *&!F)! $4)!")! !k?!+ "*2!"#*!8/!)!9*$!&9*&!)!+ *#$&5 !! 1)!9*$!"!/$! /+**#&" !# $ "*&!8/!"! !#)$ !8/!*&)'&* $!# +*& !&!" "&! !$#)/* $!)#<!$! /!# +*&!(&)'&!/$&!/ *&!&)& *&!&! !#)$ !!*4)&!8/!&$! 7) ! !# +*&* $!)#<!kF)!$4)! ! !+ "*2!""/#*!8/!)!$* !"!# +*&" * !"!)#<!! al mediodía, es inferior al anotado por el gerente? !! $&!/ *&!&)& *&!"!!<&0&$ !"!&+&*&$ !*4)7!8/!!+ &$!+** !k * + *# $&$! ! "& ! 4"$#&! /%#$! # ! +&*&! # $#)/*! 8/! $ ! ")! ! "! ) ! <&0&$ ! "! &+&*&$ !+ $!+** !Z4)!")! !! $&!/ *&!"!4$& !# $!" #/$ ! 2!# $ "*&$" !)&!# +*&!"!/$&!9*&$!+&*"&!"!" # !"! /$!+* 4" *!8/!&%*&!8/!$!+* " ! 7) !)! !"!) !" # !$$!3&))& !F)!&$&*! ! "!)) !)&!%*&!$#/$*&!!+*3# !k(#<&'&*2!)&!+* &! &!&%*&#7$!")!+* 4" *! Z4)! !! ?! &0!8/!)! !"!) !&)/$ !"!/$&!3&#/)&"!<&0)&$!& 9$&/*& !+&*&!)&!&+* 0&#7$!")! #/* !?! ! &!/$&!/ *&!"!! /"&$ !"!) !#/&) !!<&0)&$!k !+ "*2!&%*&*!8/!)! porcentaje es inferior? !! 1$! /$&! # $3*$#&! "! +*$ &! /$&! &)&! &/ *"&"! &$/$#&! 8/! )! ! "! ) ! <&0&$ ! &"/) ! ")!+& ! 2$!$!3&4 *!"!#* !+* # !# $7# !")!9 0*$ !$&!/ *&!&)& *&!"! ! &"/) !$"#&!8/! ! 2$!&!3&4 *!")!+* # !?!/ "!" &!*#<&'&*!/$&!<+7 !4*"&"*&! $ !2 !"!/$&!4'!$!#$!k# $#)/*&!8/!)&!+ +/)&*"&"!")!+* # !<&! " !&9*&"&!+ *!)&! autoridad? !! $&!# +&@&!" &! &0*! ! !42)"&!)&!$3 *&#7$!"!8/!)! ! !2 !"! / !#)$ !&$! + $! ) ! 4<#/) ! 8/! # +*&* $! <&#! ! &@ ! $&! / *&! &)& *&! "! ! # +*&" * ! )## $&" !&)!&'&*! *7!8/!!"!)) !&$!) !+ $!k1 !42)"&! &!&%*&#7$!&)!$4)!")! www.FreeLibros.org CAPÍTULO OCHO PRUEBA DE HIPÓTESIS Y LÍMITES DE CONFIANZA 343 !! 1)!53!"!&" $ !"!/$&!/$4* "&"!&%*7!$!/$&!*/$7$!# $!)& !"*#4& !8/!)! !"! los estudiantes que ingresan, se retiran antes de haber completado cuatro semestres académicos. En /$&!*4 7$!&!) !*9 * !"!) !) !&@ !"&$!/$&!/ *&!&)& *&!"! !&)/$ ! ! $# $*7!8/!! !**&* $!&$ !"!<&0*!# +)&" !) !! * !&#&"# !kF)!$4)!")! ! !42)"&!)&!&%*&#7$ DISTRIBUCIÓN DE DIFERENCIAS ENTRE DOS MEDIAS MUESTRALES < Esta prueba está indicada en aquellos casos cuando se quiere establecer si la diferencia entre dos medias muestrales, extraidas de dos ! $! 9$%#&4& ! ! !/$&!"&! !& *! ! menor que la otra. Son ejemplos, cuando se quiere probar ¿si la accidentalidad vehicular es mayor en la población femenina que en la masculina? ¿si hay alguna diferencia en los hábitos de fumar de los hombres y mujeres? ¿si la duración de un producto de la marca A es diferente al de la marca B? Como se observa, estos interrogantes encierran la comparación entre dos poblaciones. "&$!4&* !5+) !$"#&* !)!+* # !&! 9/*!$!)&!*&)'&#7$!"!+*/0& !"!"3rencias cuando las dos muestras son grandes & * !"! ! !#/&$" ! !"&$!)& ! 6 , en este último caso no nos interesa los tamaños muestrales, pues los procesos son iguales, 7) !8/!)& !4&*&$'& !+ 0)&# $&) ! $! / /"& !+ *!)& !4&*&$'& !muestrales. = − σ 2 1 + σ 2 = ó − 2 2 + 1− 2 1 + 1 2 = 2 1 2 2 2 2 =& ! !5+) !8/!$ !&/"&*&$!&!+)#&*!)!+* # !&! 9/*!!$*+*&*!) !* /)&" ! obtenidos. Ejemplo 1. Supongamos que la empresa desarrolló un curso de entrenamiento para sus técnicos, formando dos grupos y aplicando métodos distintos de entrenamiento. Los dos grupos se consideran < 9$ !$!#&+&#"&"!1)!+**!9*/+ !) !# + $$!!#$# !8/! 0/4* $!/$!+/$&5!"!! $!/$&! #&)&!"! !&! !+/$ !!/$&!" 4&#7$!+#&!"!!+/$ !!)! 9/$" !9*/+ !"! !#$# ! #/ !+* " !3/!!!" 4&#7$!+#&!"!!+/$ !k?!+/"!# $#)/*!8/!l método aplicado al 9/$" !9*/+ !3/! /+* *!&)!+** !Z4)! o : 0 ∝= 0,01 :μ = μ ∝= 0,01 :μ < μ 2 2 − = + -2,33 www.FreeLibros.org 1 2 344 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO − = 2 = 2 + 1 2 6 − 8,2 = − 2,31 16 + 18,49 36 40 = 1− 2 1 2 + 1 2 2 2 1)!* /)&" ! 0$" !$ !$"#&!8/!$ ! !/$&!"3*$#&! 9$%#&4&!8/!+*&!# $#)/*!8/! el método aplicado en B fue superior al de A!&)!$4)!"! 6! 0 *4 !8/!! !/0#&!$!l&!' $&! de aceptación. Ejemplo 2. $&! +*/0&! "! * $#&! &)! 3/*' ! "! " ! + ! "3*$ ! "! #&0) ! 8/! +* $&$! " 4&# $ !+#& !"!!!!* +#4&$! !))47!&!#&0 ! )## $&$" !" !/ *& !"!&&@ ! !! !# $!"& !"! !!!k * + *# $&$! !* /)&" !&)!$4)!")! ! /%#$!4"$#&! de que la resistencia de B es superior a la de A? o : σ = 35 σ = 45 1 = 32 2 = 40 = 925 ∝= 0,10 :μ = μ 0 = 905 :μ < μ σ − = = σ2 + σ2 1 2 (905 − 925) − 0 35 2 + 452 32 40 ∝= 0,10 = −2,12 -1,28 F)!$4)!")! ! !$ !+*!))9&*!&!)&!# $#)/ 7$!"!8/!)&!* $#&!&)! 3/*' !")!#&0)!! es superior a la del cable A. Ejemplo 3.! $&! %*&! 8/! $! " ! 320*#& ! /0#&"& ! $! " ! *9 $ ! del país, desea establecer el promedio de antigüedad que tienen sus trabajadores, a %$!de instaurar un programa para sus pensionados. Se toma de la primera fábrica /$&!/ *&!"! ! 0** !)&!#/&)!*57!/$!+* " !"!*&0&5 !"!! &@ !# $!" 4&#7$! 2$"&*!"!!&@ !$*& !8/!$!)&! 9/$"&!320*#&!/$&!/ *&!"! !3/!"! !&@ !# $!" 4&#7$! 2$"&*!"!!&@ !kF)!$4)!")! ! !+ "*2!&%*&*!8/!<&!/$&!"3*$#&! 9$%#&4&!$!#/&$ !&!)&!antigüedad en la empresa? o : 1 = 60 0 2 = 40 :μ = μ − = 1 = 15,8 =5 = 4,2 ∝= 0,05 :μ ≠ μ 2 = 16,4 2 = + 2 − 2 1 1 (16,4 − 15,8) − 0 + ∝=0,025 ∝= 0,025 2 2 2 2 2 2 -1,96 1,96 www.FreeLibros.org = 2 5 2 + 4,2 60 40 = 0,65 en cuanto a la antiguedad en la empresa CAPÍTULO OCHO PRUEBA DE HIPÓTESIS Y LÍMITES DE CONFIANZA 345 EJERCICIOS PARA RESOLVER La gran mayoría de los ejercicios de este libro, se encuentran resueltos en el Sistema de Información en Línea SIL. !! ?!# +&*&$!" !+* # !"!3&0*#&#7$!$&!/ *&!"! !&*#/) !")!+**!+* # !$! /$&!"&!"! !!/$&!" 4&#7$! 2$"&*!"!!1$!)! 9/$" !+* # !/$&!/ *&!"!tamaño !$!/$&!"&!"! !!" 4&#7$! 2$"&*!"!!k1 !&)9/$&!"3*$#&! 9$%#&4&!$*! las medias de ambos procesos? ! ! ! ! ! ! ! ! ! !!!TIPO I ! 0))& !$!)& !/ *& ! ! ! "&!"!)&!/ *& ! !< *& ! Suma de los cuadros de las desviaciones respecto a la media: <i– <– ) = TIPO II !!! !!!!! !< *& !!!!!!!!( i – ) = k? $! 9$%#&4&$!"3*$ !)& !"& !"!&0 !+ !# $!0& !$!)!$4)!"! 9$%#&#7$! del !?!*8/*!# +&*&*!)!$4)! &)&*&)!"!) !+)&" !"!" !+* & !&!+**&!*+ *&!8/!$! /$&!/ *&!&)& *&!"!!+)&" ! /! &)&* !+* " !3/!"!_ !# $!/$&!" 4&#7$! 2$"&*! "! _ ! ?! )9! /$&! / *&! &)& *&! "! ! +)&" ! "! )&! 9/$"&! +* &! 0$$" !/$! &)&* !+* " !"!_ !!" 4&#7$! 2$"&*!"!_ !k; $!) !&$* * ! * /)&" !+ " !# $#)/*!8/!) ! &)&* !$!)&!+**&!+* &! $!$3* * !Z4)!")! !! ! 9/$ !"& !+*$#$!&)!" &** )) !")!*9 !0&5 !) !tratamientos A y B: TRATAMIENTO A ! Z* !"!+)&$& ! ! ! F)/*&!"&!! ! Suma de los cuadros de las desviaciones respecto a la media: ( < i <– ) = TRATAMIENTO B !! !!! ( i – ) = k1 !&)9/$&!"3*$#&! 9$%#&4&!$*!&0& !"& 50. Xl J!$9* !$ /&) !$!#$ !"!_!"!) !+)&" !"!/$&!;&! A y X J!$9* !$ /&) ! (en cientos de $) de los empleados de una Cía. B. Con respecto a las variables se conocen los siguientes datos: 100 <1i = 100 ! <i = !! i=1 i=1 <– 1 = 5.000 M [ < ] = n1 = 100 n = 100 Se sabe además, que con la Cía. A el ahorro (1) en función del ingreso está dado por 1 J! !! !<1 y en la Cía. B el ahorro () en función del ingreso está dado por !J! !! <. Se puede aceptar, # $!/$!$4)!"! 9$%#&#7$!")! !8/!)!&< ** !+* " !"!)&!;&!F! !& *!8/!)&!;&! www.FreeLibros.org 51. En una universidad se dice que el rendimiento de la Facultad A es inferior al de la Facultad B. Se le ha preguntado al jefe de notas sobre los respectivos promedios y desviaciones típicas y tan sólo *#/*"&! !) ! !! !* +#4&$!{*$!&!) !&$* *! !+)&$&!)&!*&)'&#7$!"! 346 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO dos muestras de tamaño !!!$!#&"&!3&#/)&"!0$$" !+* " !"!!! !kF)!$4)! ")! ! !+ "*2!&#+&*!) !8/!9$*&)$! !"ice? !! $&!#&"$&!"!&)&#$ ! 3*#!" !+)&$ !"!#/$& !"!#&*9 !" + $0) !+&*&! / !#)$ !# $! cuenta corriente de crédito. El departamento de crédito desea información acerca del comportamiento "!#&"&!+)&$!&!%$!"! /"&*! / !"3*$#& !?!# $ "*7!8/!/$&!"!)& !4&*&0) !&! /"&*!"0&! *!)! &)" !$ /&)!+* " !?! &* $!" !/ *& !"!&&@ !"!!! !#/$& !"!#&"&! plan, con los siguientes resultados: promedios de $95 y $110 mil pesos respectivamente, siendo / !" 4&# $ ! 2$"&*!"!_!!_!)!+ !kF)!$4)!")! ! !+ "*2!&%*&*!8/! ! diferencia en el comportamiento de estos planes? !! $!"+&*&$ !"!+* "/##7$!" &!"*$&*! !<&!&)9/$&!"3*$#&!$!)!*$"$ !$*! )!/*$ !"/*$ !!)!$ #/*$ !$&!/ *&!"! ! 0** !")!/*$ !"/*$ !*4)&!/$&!+* "/##7$! +* " !"!!+&* !+ *!< *&!# $!/$&!" 4&#7$! 2$"&*!"!!+&* !+ *!< *&!$*& !8/! *&!/ *&!"! ! 0** !"!)&!5 *$&"&!$ #/*$&!&)#&$'&!/$!+* " !"!!+&* !+ *!< *&! # $!/$&!" 4&#7$! 2$"&*!"!!+&* !+ *!< *&!k?!+ "*2!&%*&*!&)!$4)!")! !/$!& *! rendimiento en el turno diurno? !! $&!320*#&!"! &) &!"! &!" &! &0*! !/$&!$/4&!+* $&#7$!"! /!+* "/# !&/$&*&! / ! 4$& ! $&! / *&! "! ! $"& ! *4)7! /$! +* " ! $ /&)! "! 4$& ! "! ! 0 ))& ! # $!)&!$/4&!+* $&#7$!!/$&!" 4&#7$! 2$"&*!"! !0 ))& !*&!/ *&!*&)'&"&!$!! $"& !" $"! !+$"!)!+* "/# !# $!)!$4& !*&"# $&)!*4)&!/$& !4$& !+* " !"!! 0 ))& !# $!" 4&#7$! 2$"&*!"!!0 ))& !kF)!$4)!")! ! !+/"!"#*!8/!&/$&* $! las ventas? 55. Un departamento de investigación desea saber, si un producto con marca conocida se vende a /$! +*# ! /+* *! &)! "! /$&! &*#&! " # $ #"&! ?! +* #"7! &! )## $&*! ! &)&#$ ! 8/! " *0/$!)!+* "/# !#/&!&*#&! !&+)&$!# $ #"&!!!&)&#$ !8/!4$"$!)! ! +* "/# !"!/$&!&*#&!8/!&+$& !$*&!&)!*#&" ! !* /)&" !3/* $!$!+* " !"!_ ! !"!_ !# $!" 4&#7$! 2$"&*!"!_ !!_ !* +#4&$!kF)!$4)!")! ! ! puede aceptar tal información? !! ?!)&$'&$!&)!*#&" !" !+* "/# !"!"3*$ !&*#& !#&"&!/$ !# !)!Y5 *!+&*&!0&5&*! rápidamente de peso, sin causar daños # )&*&) !?!" &** ))&$!" !$#/ & !"!&&@ !"!! +* $& !8/!/ &$!)!+* "/# !F!!!")!+* "/# !!)& !#/&) !&** 5&$!) ! 9/$ !"& !# $!)! producto A se comprueba una reducción promedio de 10 libras en un mes, con una desviación típica "!!)0*& !$*& !8/!# $!)!+* "/# !!)&!*"/##7$!+* " ! !"!!)0*& !# $!" 4&#7$! 2$"&*!"!!)0*& !kF)!$4)!")! ! !+/"!"#*!8/!<&!/$&!"3*$#&! 9$%#&4&!$! /! efectividad? !! ?/+ $9& !8/!" !/ *& ! &"& !&)!&'&*!"&$!) ! 9/$ !* /)&" n1 = ! i = !! n = !! <i = ! <i = i = www.FreeLibros.org * 0&*!)&!<+7 !"!8/!)!+* " !"!)&! 9/$"&!4&*&0)! ! /+* *!&!)&!+**&!Z4)! ")! CAPÍTULO OCHO PRUEBA DE HIPÓTESIS Y LÍMITES DE CONFIANZA 347 DISTRIBUCIÓN DE DIFERENCIAS ENTRE DOS PROPORCIONES MUESTRALES 2 1 Se ha dicho en repetidas ocasiones, que las proporciones! $! /)'&"& ! # ! ""& ! &+)#&"& ! &! 6 (atributos). La prueba de hipótesis, como en los casos anteriores, implica el uso de la distribución normal, que nos permite establecer si hay o no alguna diferencia entre dos proporciones, obtenidas en dos poblaciones independientes, o si un grupo tuvo una proporción mayor que el otro. Como en el caso de la distribución de diferencias entre dos medias, consideramos como hipótesis $/)&! !8/!)& !" !+* + *# $ !"!)&!+ 0)&#7$! $!9/&) !=& ! /!&+)#&#7$!# $!4&* !5plos. Ejemplo 1!1$!/$&!$#/ &! !+*9/$7! 0*!) !<20 !"!)#/*&!/)'&$" !/$&!/ *&!&)& *&!"! ! @ *& !8/!*&0&5&$!! *&!/ *&!i$"+$"$!"!!8/!$ !) !<&#$!1$!)!+**!#& ! ! &$3 &* $!8/! &0&$! / #*& !&!#* !+ !"!*4 &!1$!)! 9/$" !)&!* +/ &!3/!"! !8/!$ ! estaban suscritas ni mostraban interés por ninguna revista, argumentando la falta de tiempo. ¿Al nivel del ! !+ "*2!&%*&*!8/!)& ! @ *& !8/!*&0&5&$!)$!$ !8/!)& ! @ *& !8/!$ !trabajan? o : 0 = 1 < : : 1− 1 2 1 2 = 2 1 1 1 + = 105 = 0,30 350 2 = 130 = 0,40 325 ∝= 0,01 2 2 2 ∝= 0,01 0,30 − 0,40 = −2,73 0,3(0,7) 0,4(0,6) + -2,33 350 325 F)! $4)! ")! ! ! ! +/"! &%*&*! 8/! )& ! @ *& ! 8/! *&0&5&$! )$! $ ! 8/! )& ! 8/! $ ! trabajan. = Ejemplo 2. $!9*$!"!/$&!# +&@&!*&)'&!" !/ *& !"!&&@ !"! !+)&" !/$&!$! #&"&!320*#&!# $!)!%$!"!"*$&*!)!+ *#$&5!"!&##"$ !"!*&0&5 !$!)!* *!1$!)&!+**&! 320*#&!"/*&$!)!* *!"! 0 *4&#7$! !+* $&* $!!#& !$*& !8/!$!)&! 9/$"&!!kF)! nivel del! ! !+ "*2!&%*&*!8/!) !&##"$ !"!*&0&5 ! $!9/&) !$!)& !" !fábricas? o : 0 : : = 1 ≠ 1 2 1 2 = 12 = 0,10 120 ∝= 0,05 = 0,10 − 0,13 = −0,73 0,1(0,9) 0,13(0,87) + 120 120 2 = 16 = 0,13 120 ∝=0,025 ∝= 0,025 2 2 www.FreeLibros.org -1,96 1,96 " !# $#)/*!8/!)&!&##"$&)"&"!$!)!*&0&5 ! !9/&)!$!)& !" !320*#& !&)!$4)!")! 348 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO Ejemplo 3. Dos grupos A y B de 100 personas cada uno tienen determinada enfermedad. Un suero es dado al grupo A, pero no al B. Por otra parte, los grupos son tratados idénticamente. Si encontramos que $!)!9*/+ !F!!+* $& ! !*# 0*&$!"!)&!$3*"&"!!$!)!!!+*/0!)&!<+7 !"!8/!)! /* ! cura la enfermedad. o : 1 = 100 = 1 > : : 0 2 1 = 100 1 = 75 = 0,75 100 2 = 65 = 0,65 100 ∝= 0,05 2 2 ∝=0,05 ∝= 0,05 1− 2 = 1 1 + 2 2 1 = 1 2 − = 2 + 1 1 1,64 2 2 1 2 0,75 − 0,65 0,10 = = 1,56 (0,75)(0,25) (0,65)(0,35) 0,064 + 100 100 F)!$4)!"!$4 9&#7$!")! !$ !+ " !&#+&*!8/!)! /* !#/*!la enfermedad. Ejemplo 4. Al investigar la “imagen” de calidad de cierta marca de reloj de pulso, se seleccionó una / *&!"! !+* 3 $&) !! !&))* !"!reparación y se obtuvo la siguiente información. Con los resultados que se dan a continuación, ¿se podría interpretar!&)!$4)!")! !8/! !/$&!"3*$#&! 9$%#&4&!$!#/&$ !&! +$7$! 0*!la marca del reloj? IMAGEN DE CALIDAD PROFESIONALES TALLERES &!&*#&! !0/$&!(&*&!4'! ufre descompostura en los primeros años de uso. La marca no es buena. Se descompone frecuentemente, desde el primer año de uso. 120 80 Total o : 1 = 120 0 :μ 2 =μ 2 :μ 1 ≠ μ 2 1 = 80 1 = 60 = 0,50 120 2 = 48 = 0,60 80 ∝= 0,05 ∝ = 0,025 ∝ = 0,025 2 2 ∝= 0,05 www.FreeLibros.org 1− 2 = 1 1 1 + 2 2 2 -1,96 1,96 CAPÍTULO OCHO PRUEBA DE HIPÓTESIS Y LÍMITES DE CONFIANZA = 1 1 1 1 − + 2 = 2 2 2 349 0,5 − 0,6 − 0,1 = = −1,41 0 ,071 0,5(0,5) (0,6)(0,4) + 120 80 F)!$4)!")! ! !+/"!# $#)/*!8/!$ !<&!/$&!"3*$#&! 9$%#&4&!$! !resultados. EJERCICIOS PARA RESOLVER La gran mayoría de los ejercicios de este libro, se encuentran resueltos en el Sistema de Información en Línea SIL. !! $*&)$! ! #/#<&!8/!)!8/+ !"!)&!#/"&"!"0!9&$&*!2 !+&*" !#/&$" !5/9&!"!) #&)! 8/!"!4 &$!?! &$!&)!&'&*! !+&*" !"!) #&)!! !5/9&" !+ *!3/*&!"/*&$!)& !)& ! #$# !+ *&"& !# $!) !* /)&" !3&4 *&0) !"! !!!+&*" !respectivamente. Al nivel del !k# $!) !* /)&" ! 0$" ! !+/"!&#+&*!&)!&%*&#7$ !! $! /" !")!# $ / !"!#&3!$!)!*&0&5 !+ *! ! *7!$!/$&!/ *&!&)& *&!"! ! /5* !8/!!) ! &$!"/*&$! /!*&0&5 !$*& !8/!/$&!/ *&!"! !< 0* !*4)7!8/! !) ! &$!k&!&)9/$&!"3*$#&!$*!)&!+* + *#7$!"!) !" !9*/+ !$!#/&$ !&)!<20 !"! tomar café en el trabajo? !! 1)! "+&*&$ ! "! &2#& ! " &! "*$&*! ! )&! +* + *#7$! "! &)/$ ! 8/! +*"$! )&! &*&! !"0!&! /! &" !#4)!?! 7!/$&!/ *&!"! !&)/$ !#& &" !"!) !#/&) !!)&! habían +*"" !$*& !8/!$! *&!/ *&!"! !&)/$ ! )* !&$! ) ! !)&!+*"* $!kF)! $4)!")! !)! &" !#4)!$/!$!)!*$"$ !! $!53!"!+* $&)!8/*!# +* 0&*!8/!)&!&/ $#&!&)!*&0&5 ! !& *!$!)!/*$ !$ #/*$ !8/! $!)!"/*$ !?)## $&!$!#&"&!5 *$&"&! !! !*&0&5&" * !!$#/$*&!8/!$!)! !+&*&!)! /*$ !"/*$ !!*&0&5&" * ! !#/ &* $!"!*!&!*&0&5&*!$*& !8/!$!)&!$ #<!3&)&* $!!k ! &$* * !* /)&" !"&$!)&!*&'7$!&)!53!"!+* $&)!Z4)!")! !$!" *0/" *!"!" !&*#& !"!baterías para automóvil, asegura que la marca A es mejor que la !$&!/ *&!&)& *&!"! !0&*& !"!)&!&*#&!F!/ *&!8/!!"!))& !"/*&* $!2 !"! tres años, $*& !8/!"! !"!)&!&*#&!! 7) ! !"/*&* $!2 !"!* !&@ !k1 !* /)&" ! # $%*&$!)&!&%*&#7$!")!" *0/" * !$!3&0*#&$!"!<)&" !8/*! &0*! ! /!+* "/# !$!9/&)!&#+&#7$!$*!$@ !!$@& !"! #/$"&*&!?! &* $!" !/ *& !"! !&)/$ !#&"&!/$&!$# $*&$" !8/!!niños ! !niñas +*%*$!)!+* "/# !k?!+ "*2!"#*!8/!)&!+* + *#7$!"!&#+&#7$!+ *! ! !igual? !! B !9*/+ !F!!!"! !+* $& !#&"&!/$&!+* $&!)&! &! $ & ) 9&!F)!9*/+ !F! !)!"&! una droga que contiene un nuevo compuesto y la droga del grupo B carece de él. Por otra parte, los 9*/+ ! $!*&&" !"$#&$!?!$# $*& !8/!$!)!9*/+ !F!!+* $& ! !*# 0*&$!"! )&!$3*"&"!!$!)!!!+*/0!)&!<+7 !"!8/!)&!"* 9&!&+)#&"&!&)!9*/+ !F! !5 *!8/! )&!")!!Z4)!")! www.FreeLibros.org !! $&!+* &!3&0*#&$!"!8/+ !#2$# !+&* #$&!/$!#/* !"!&" *&$ !+&*&! /!+* $&)! "! 4$& ! ! *4# ! ! &$&) ! ")! #/* ! *&* $! $! /$&! $#/ &! &$* *! *&)'&"&! &! ! 350 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO /"&$ !8/!)!! !) !&+* 0&* $!?!3#&$!#* !#&0 !$!)!+* 9*&&!"!&" *&$ ! # $!)! 05 !"!5 *&*) !!&)!&@ ! 9/$!"! !&)/$ !")!#/* ! !&+* 0&* $!F)!$4)! ")! ! k "*&! # $ "*&* ! ! <#< ! # ! /$&! " *&#7$! "! 3#4"&"!"! )& ! *3 *& ! introducidas al programa? !! $&! 320*#&! $! " ! +)&$& ! ""#&"& ! &)! +* # ! "! ))$&" 6! #/&$" ! $ ! #/+)$! # $! )& ! +#%#&# $ !"0$! *!*+* # &"& !;&"&!* !< *& ! !&+)#&!)!/ * !! ! )## $&$! ! #&5& !"!#&"&!+)&$&!1$# $*& !8/!$!)&!+**&!+)&$&!!$# &$!*+* # &$ !$*& ! 8/!$!)&! 9/$"&!!) !*8/*$!k&!&)9/$&!"3*$#&!$*!F!!!$!)&!+* + *#7$!"!#&5& !8/! requieren ser reprocesadas? ! $! #7) 9 ! #*! 8/! )&! +* + *#7$! "! < 0* ! 8/! +*$#$! &! /$! 9*/+ ! # # $7# ! determinado (grupo A) y que ve regularmente deportes en televisión, es superado por un segundo grupo de hombres (grupo B) que también ve deportes. Muestras aleatorias simples de los dos grupos arrojan los siguientes resultados: GRUPO A B TAMAÑO nl J! ! n! J! Z !HOMBRES k * + *# $&$! !"& !4"$#&! /%#$!# !+&*&!&+ &*!)&! !")! #7) 9 !Z4)!")! 5 !! $!)"*! $"#&)!# $ "*&!8/!)&!+* + *#7$!"!5#/4 !&!3&4 *!"!/$&!+ )#&!"!# $* )!"! precios, es menor que la proporción de obreros a favor del control. Se toman dos muestras aleatorias $"+$"$ ! "! 9/&)! &&@ ! ! +* $& ! $! #&"&! /$&! ! ! $#/$*&$! ! 5#/4 ! ! ! obreros a favor. ¿Al $4)!")! ! !+ "*2!&#+&*!)&!# $ "*&#7$!<#<&!+ *!)!)"*! $"#&) !! 1$! /$! /" ! +&*&! &4*9/&*! ) ! 3# ! "! / &*! ") ! 3$$ ! $! )&! +/0)#"&"! +&*&! automóviles, a un grupo de 50 hombres, (grupo A), se le mostró la fotografía de un automóvil con una modelo femenina, y la de otro automóvil del mismo precio pero sin modelo. A otro (grupo B), de 50 hombres, se le mostraron ambos automóviles sin modelo femenino. En el grupo A el automóvil 8/!&+&*#&!# $!)&! ") !3/!# $ "*&" !2 !)/5 !+ *!!"!) !$*4 &" 6!$! )!9*/+ !!)! !&/ 74)!3/!5/'9&" !# !)!2 !)/5 !+ *!!"!) !$*4 &" !k?! # $ "*&!8/! !"& !$"#&$!8/!/ &*!/$&! ") !$/!$!)!)/5 !&+&*$!"!/$!&/ 74)! Z4)!")! !! $!9*$!"!/$&!compañía *&)'&!" !/ *& !"!&&@ ! !/$&!$!#&"&!320*#&!# $!)!%$! de determinar el porcentaje de ausentismo al trabajo. En la primera fábrica, durante la semana de 0 *4&#7$!$ !& * $!!$*& !8/!$!)&! 9/$"&!3&)&* $!!*&0&5&" * !kF)!$4)!")! ! !+ "*2!&%*&*!8/!)&!$ !& $#&!$!)&! 9/$"&!320*#&! ! /+* *!&!)&!+**& !! $&!+* 9*&&" *&!"![=!&%*&!8/!)!<20 !&!)&!+* 9*&&#7$!"+ *4&! !$"3*$!&)! ! (&)'&!" !/ *& !&! !/5* !!&! !< 0* !$# $*&$" !8/!)! !"!)& !mujeres no ven $$9$!+* 9*&&!"+ *4 !$*& !8/!)! !"!) !< 0* !)!$#/$*&$!&)9/$&! & 3&##7$! kF)!$4)!")! ! !"0!&#+&*!"#<&!&%*&#7$ www.FreeLibros.org CAPÍTULO OCHO PRUEBA DE HIPÓTESIS Y LÍMITES DE CONFIANZA 351 TEORÍA DE LAS MUESTRAS PE UEÑAS DISTRIBUCIÓN t DE STUDENT En problemas referentes a la prueba de hipótesis, es 6 no importa que el tamaño de la muestra sea grande o pequeña. Se dice que una muestra es grande, si el número de unidades es mayor a treinta y es pequeña si es menor o igual a treinta. En el caso de que se ) )&!" 4&#7$!+#&!+ 0)&# $&)! !)!+ "*2!*+)&'&*!+ *!)&! 6 %siempre que la muestra sea grande. Cuando n! !/ *&!9*&$"!)&!" 4&#7$!+#&! ! 0 )'&!+ *! s y se considera como un buen estimador de la desviación típica poblacional, debido a que existe una mayor probabilidad de que ) !4&) * !* !8/! &!)&!4&*&0)!8/"$!$#)/" !$!)!#2)#/) !"!)&!4&*&$'&!$!)&!/ *&! tal como ocurre al 0$*!)&!4&*&$'&!+ 0)&# $&) ∑ ( − )2 la fórmula para calcular s será: = Siendo: σ Si n!! !/ *&!+8/@&!)&!" 4&#7$!+#&! ! 0 )'&!+ *!! s cuando no se ha efectuado ninguna corrección. Se considera que U% por lo general, es menor que , debido a la poca posibilidad de que se incluyan valores extremos de la variable poblacional en la muestra. Por lo tanto se hace necesario 3#/&*!&)9/$& !# **## $ !$! /!#2)#/) !# $!)!%$!"!# $4**)&!$!/$!0/$! &" *!"!)&!" 4&ción típica poblacional. ∑ 2 − 2 . En las calculadoras se puede observar: También se puede expresar como = σ −1 y σ para muestras grandes (n!! ! ! $!# **9*!#/&$" !)&!/ *&! !+8/@&!& !#)& σ −1 σ −1 indican desviaciones típicas corregidas, es decir, dividida por n –1 y no por n. A pesar de las correcciones que se le puedan hacer a las desviaciones típicas, no es efectiva en todas )& !/ *& 6!+ *!&)!*&'7$!)&!" *0/#7$!"! "& !las medias muestrales, no tiene un comportamiento similar a la distribución normal, a pesar de ser una distribución continua. A esta distribución se le conoce como distribución ”t” de Student, en honor al estadístico irlandés W. S. Gosset, quien escribía bajo el /"7$ !"!?/"$!{/!$/$#&"&!$! !!)9*&$! "%#&"&!+ *!(!F!{ <*! Esta distribución se expresa en forma de campana y simétrica, pero más achatada y con más área en ) !* ! !"#*!)& !2*& !8/!# ** + $"$!&!)& !*9 $ !#*#& ! !"!*#<&' !?!+/"!# $ "*&*! que no hay una distribución “t”, sino más bien una familia de distribuciones “t”, dado que las desviaciones 2$"&*! ! "%#&$!&!""&!8/! !4&!&/$&$" !)!&&@ !"!)&!/ *&!&#*#2$" !&!)&!$ *&) La función de la distribución “t” es = ⎛ ⎜1 + ⎝ 2 − +1 2 ⎞ ⎟ ⎝ 5 Esta expresión fue introducida por Fisher; dice que los de un conjunto de observaciones, están dados por el número de valores que pueden ser asignados arbitrariamente, antes de que el resto de las variables queden completamente determinadas. Ejem+) !?!$9 !#/&* !4&) * !!! !!!! !J!! ! 0 *4&!8/!+/" !& 9$&*!* !!4&) * ! &*0*&*&$ !!!!! !!!J!!+* !)!#/&* !"0! *!!!$ !) !+/" !& 9$&*!)0*$!+/ ! )&! /&!"0! *!! *!) !&$ !!J!n!!!J!!!!J!!Y£!! !)!Y$/! !Y$/!! !+)&!+&*&! 0 )'&*! los . www.FreeLibros.org 352 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO =& !&< *&!8/!*&&$ ! !)!"0!"&*!&!)&!4&*&$'&! !&!)&!" 4&#7$! 2$"&*!/ *&)!$! +#&)!#/&$" ! !4&$!&!*&)'&*!+*/0& !"!<+7 !*&0&5&$" !# $!/ *& !+8/@& !$!)& !"3*$tes distribuciones. En la determinación de los puntos críticos, ti (inferior) y ts! /+* *! ! /)'&! )&! &0)&! Y! "! ?/"$!1$!+**!)/9&*! !%5&!)!$4)!"! 9$%#&#7$!+ *!5+) ! = 0,05; luego se calculan los grados de libertad, siendo en distribuciones muestrales: Q!J!n - 1 y en diferencias de medias muestrales: Q!J! n1!! n2!!!?!)&!"7#&! ! ! &*2!)! &)! /+ $$" !8/! &!")! !")!$4)!"! 9$%#&#7$!+&*&!#&"&!/$&!"!)& !*9 $ !#*#& ! = 0,05 y si es , se tomará el doble del $4)!"! 9$%#&#7$!& 9$&" !$! !#& ! *2! = 0,10. t ZA t ZA ZA t Es necesario observar que algunos textos consideran que las muestras son pequeñas si n1 y n. son menores o iguales a 100, pero aquí vamos a considerar que son pequeñas si n1 y n! $!$ * ! !9/&) !&! DISTRIBUCIÓN DE MEDIAS MUESTRALES (Muestras peque as) ;/&$" !)!+* 0)&!$ !"&!)&!" 4&#7$!+#&!/ *&)!!&!)&!4'!)!&&@ !"!)&!/ *&! !$ *! ! 9/&)!&! !n!¤! ! !# $ "*&!8/!)&!" 4&#7$! 2! $!# **9*!+* #"$" !&! /!# **##7$!+&*&! ser aplicada en la variante estadística “t”. Simbolicemos a: (desviación típica sin corregir) y (desviación típica corregida). =ˆ = −1 2 ∑( − ) −1 = ∑ 2 − −1 2 = −μ ˆ −1 1$!)&!! !+/"!# **9*!"*#&$!&)!#&)#/)&*!)&!4&*&$! &" #& Ejemplo 1!$&!/ *&!"!! 0 *4&# $ !$!/$&!"&!"! !!/$&!" 4&#7$!"!![*&0&5&$" ! # $! /$! $4)! "! 9$%#&#7$! ")! ! k1 ! *&'7$! +&*&! *#<&'&*! )&! <+7 ! "! 8/! )&! "&! "! )&! + 0)&#7$! ! o : = 25 0 = 42 : μ x = 46 μ = 46 ∝= 0,01 : μ x ≠ 46 ˆ =8 ˆ =8 = 8 25 = 8(1,021) = 8,17 24 ∝= 0,01 ∝= 0,01 www.FreeLibros.org -2,7969 2,7969 CAPÍTULO OCHO PRUEBA DE HIPÓTESIS Y LÍMITES DE CONFIANZA − 4(5) − 20 = 42 − 46 = = = −2,45 8,17 8,17 8,17 25 = ó 353 42 − 46 = −2,45 8 25 − 1 υ = 25 − 1 = 24 y ∝= 0,01 Se acepta la hipótesis de que J!! !"#*!$ ! !*&'7$!+&*&!*#<&'&*!8/!)&!"&!"!)&! + 0)&#7$! !!&)!$4)!")!! 1 !$# &* ! 0 *4&*!8/! !)!$4)!"! 9$%#&#7$!# !$! !5+) ! !"!J! ! ! &*2!)! !$4)!+&*&!#&"&!/$&!"!)& !' $& !#*#& !' $&!"!*#<&' !&)!# !&+&*#!$!)&!&0)&! " $"!"#!Y$4)!"! 9$%#&#7$!+&*&!+*/0& !"!" !# )& !4*!&0)&!!6!+29$&!! En caso de que sea de una cola, suponiendo que J! !"0! 0 *4&* !$!)&!&0)&!" $"!"#! YZ4)!"! 9$%#&#7$!+&*&!+*/0& !"!/$&!# )&! !"#*!"0!# ** + $"*!&)!" 0)!+&*&!+*/0& !"! dos colas, así que a pesar de ser 0,05 se está trabajando con 0,10. RESUMEN S2 2 n n Z Z t t i i www.FreeLibros.org 354 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO [&0)&!!!![&0)&!"!" *0/#7$!Y!"!?/"$! NIVEL DE SIGNIFICACIÓN PARA PRUEBAS DE UNA COLA W \ W \ 1 ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! 5 ! ! ! ! ! ! ! ! ! ! ! 5,959 ! ! ! ! ! ! ! ! ! ! ! ! 9 ! ! ! ! ! 10 ! ! ! ! ! 11 ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! 15 ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! 19 ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ' \W W W Grados de libertad pruebas de dos colas ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! www.FreeLibros.org Fuente: Esta tabla es un resumen de la Tabla III de Fisher y Yates: 7 Research, obra publicada por Oliver & Boyd Ltd., Edimburgo. , 'A %? % 4 Ejemplo 2!$&!$ +# *&!"!#&)"&"!$4 9&!)& !&#/ &# $ !# $*&!/$&!320*#&!"!#*4'&!+ *8/!$ ! CAPÍTULO OCHO PRUEBA DE HIPÓTESIS Y LÍMITES DE CONFIANZA 355 ))$&!0$! / !$4& !&%*&$" !8/!# $$$!! $'& !"!)8/" !?!/ *&* $!!)&& !"!#*4'&! $# $*&$" ! /$! # $$" ! " ! "! ! $'& ! # $! /$&! " 4&#7$! 2$"&*! "! ! $'& ! kB0! )&! $ +# *&!))9&*!&!)&!# $#)/ 7$!&)!$4)!")! !8/! ! 2!&9*&$" ! /!# $$" o : = 28 0 : μ = 35 : μ < 35 μ = 35 ˆ = 2,2 υ = 28 − 1 = 27 ∝= 0,05 ∝= 0,10 = 2,2 28 = 2,24 27 −1 =ˆ = = 33,2 −μ = 33,2 − 35 = − 4,25 2,24 28 = : -1,703 −μ 33,2 − 35 = = − 4,25 ˆ − 1 2,2 28 − 1 &!* +/ &! !&)!$4)!")! !)!$ +# *! !+/"!))9&*!&!)&!# $#)/ 7$!"!8/! ! 2!&9rando el llenado. 0 *4 !$!)&!&0)&!!#7 ! ! 0$!)!4&) *!")!+/$ !#*# !#/&$" !J! ! $4)!"! 9$%#&#7$6!) #&)'& !)! !" $"!"#!Y+*/0&!"!/$&! )&!# )&!! $# $*& !8/!8/4&)!&)! !$!)& !Y+*/0& !"!" !# )& ! !"#*!)!" 0)6! + *!) !&$ ! $" !)!9*&" !"!)0*&"!"!!!£!J!!!!J!!!!!!!J! !)!4&) *! "!Y!+/$ !#*# ! *2!"! !!&)! *!) #&)'&"&!&!)&!'8/*"&!"!)&!#/*4&! ! le da signo negativo. Ejemplo 3. $! 3&0*#&$! " &! <&#*! +0)# ! &! %$! "! &/$&*! / ! 4$& ! 8/! )! # $$" ! "! $# $&!"! / !#9&**)) !$!/$!+* " !$3* *!&!) !!9!$&! %#$&!9/0*$&$&)!"! &)/"! !")!" !&0$!*&)'&!/$!&$2) !"! !#9&**)) !! 0$!) !# $$" !"!$# $&!+&*&! cada uno, siendo de: ! ! ! ! ! ! ! ! ! &!k[$!5/ %#&#7$!) !& 4*&" !+ *!el fabricante?; b) ¿Cuándo se cometerá un error de Tipo II? o : =∑ = 10 = ∑ 2 − −1 : μ = 22 : μ < 22 2 = = 204 = 20,4 10 4 242 − 10(20,4) 2 = 2,99 10 − 1 ∝= 0,05 = 2,99 www.FreeLibros.org 0 356 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO = −μ 20,4 − 22 = −1,69 2,99 10 = ∝= 0,10 ⎧υ = − 1 = 10 − 1 = 9 ⎫ ⎨ ⎬ = 1,833 ∝= 0,10⎭ ⎩ t -1,833 (a)!Z !<&!5/ %#&#7$!&#+&*!) !& 4*&" !&)!$4)!")! (b) Aceptar que J!!9!#/&$" !)!# $$" !"!$# $&! !$!*&)"&"!diferente. Ejemplo 4. Una muestra aleatoria de 10 vigas de acero, tiene una resistencia media a la compresión de !)0*& !+ *!+/)9&"&!#/&"*&"&!)+#!# $!/$&!" 4&#7$!+#&!"!!)+#!B #&*!)&!<+7 ! de que la verdadera resistencia media a la compresión de las vigas de acero de las que se extrajo la muestra es J! !)'&*!)&!&)*$&4&!0)&*&)! !!/$!$4)!"! 9$%#&#7$!")! o : = 10 0 = 57 498 : μ = 57.000 : μ ≠ 57.000 μ = 57.000 ˆ = 539 ∝=1% ∝= 0,01 ∝= 0,01 ˆ = 539 t = 57.498 − 57.000 = 539 υ = 10 − 1 = 9 10 − 1 498 (3,00) = 2,77 539 t -3,250 3,250 Aceptamos que J! ! !"#*!8/! !)&!4*"&"*&!* $#&!"&!&!la compresión de las 49& !"!&#* !# $!/$!$4)!"! 9$%#&#7$!")! Nota: Se trabajó con “tV n R Os- sin corregi 6 % Ejemplo 5.! $! 3&0*#&$! "! #*& ! +'& ! "! +* #) ! $! 8/! $! # $"# $ ! $ *&) ! "! operación, tienen una duración media J! !< *& !B #&*! &!&%*&#7$!3*$!&!)&!&)*$&4&! ! !!+'& !"/*&$!/$!+* " !"! !< *& !# $!/$&!" 4&#7$! 2$"&*!"!!< *& !)'&*!/$! $4)!"! 9$%#&#7$!")! o : = 16 0 = 308 ˆ = 29 μ = 320 υ = 15 ∝= 5% : μ = 320 : μ ≠ 320 ∝= 0,05 = 308 − 320 = 29 15 ˆ = 29 − 12(3,87) = −1,60 29 ∝= 0,05 ∝= 0,05 t -2,1315 2,1315 www.FreeLibros.org ?!/0#&!$!)&!' $&!"!&#+&#7$! ! &!8/!)&!"/*&#7$!+* " ! !"! !&!/$!$4)!"! 9$%#&#7$!")! CAPÍTULO OCHO PRUEBA DE HIPÓTESIS Y LÍMITES DE CONFIANZA 357 EJERCICIOS PARA RESOLVER La gran mayoría de los ejercicios de este libro, se encuentran resueltos en el Sistema de Información en Línea SIL. !! $! /" !&!!3&)& !"!/$&!' $&!* "$#&)!"!/$&!#/"&"!"!; ) 0&!*4)&!8/!)!$9* ! " !+ *!3&)&!"/*&$! !3/!"!_ !# $!/$&!" 4&#7$! 2$"&*!"!_ !B #&*! )&! <+7 ! "! 8/! )! 4*"&"* ! $9* ! " ! + *! 3&)&! $! ; ) 0&! "/*&$! ! 3/! "! _ !3*$!&!)&!&)*$&4&!"!8/!$ !3/!"!_ !)'&*!/$!$4)!"! 9$%#&#7$!")! !! $!+ #&" *!"#"!8/!$# &!/$! "&)!8/!* &!2 !"! !)0*& ! !<&!"!#&+/*&*!)!&&@ ! "!+ #&" !8/!" &! */0&!!+'& !"! "&)!"!)&!&*#&! !!<&))&!/$&!"&!/ *&)!"! ! libras. Si en la muestra se obtiene que la desviación típica es de 0,5 libras, ¿qué conclusión se puede sacar del sedal de la marca G.? Z4)!"! 9$%#&#7$!")! !! $!53!"!+* $&)! 2!" +/ !&!# $*&&*!/$&! #*&*&!+&*&! #/+&*!/$!+/ !&!$ !8/! ))&!# &!2 !"!/$&!8/4 #&#7$!+ *!+29$&!#&$ 9*&%&"&!?!)9!/$&!/ *&!&)& *&!"! #$# !+29$& !"!)& ! #*& !+ *!)&!& +*&$!& !8/4 #&# $ !+ *!+29$&! $ !!!!!!!!!!!! !!! ! )'&$" != 0,05 ¿qué decisión se debe tomar? !! B/*&$!/$!+* " !"!! !)!$* !"!$&#$ !"!))' !+ *! !*9 *&" !$!/$! < +&)! $ !!! !!!!!! !! !!!!!!!!!! !!!!k; $*&"#$! !* /)&" !)&!<+7 !"!8/!)! +* " !"!$&#$ !"!))' ! !"! !+ *! !Z4)!")! ! ?/+ $9& !8/!/$&!+* $&!8/*!$*!" # $#&" ! /!)3 $ ! !)!+* " !"!))&&"& ! 8/!<&#!)!"&! !$ *!"!!1)9!&)& *&$!!"& !!&$ &!)!$* !"!))&&"& !& ! !! !!!)'&$" !J! !k"0*&!**&*!)!)3 $ !! $!" +$ &" *!"!9& & ! 2!" @&" !+&*&!" #&*9&*!! $'& !?! ! )## $&!/$&!/ *&!"! !4& !+&*&!"*! /!))$&" ! 0 *4&$" !8/!)!+* " ! !"!! $'& !# $!/$&!" 4&#7$!"! ! $'& !k !+/"!# $#)/*!8/!)&!28/$&!$ !3/$# $&!# **#&$ ! $! !"!+ # ) 9&!$&!/$!+/$&5!"!!+/$ 6!$!/$!9*/+ !"! ! /"&$ !)!+/$&5!3/! "! ! # $! /$&! " 4&#7$! "! ! +/$ !F)! $4)! ")! ! k ! +/"! &%*&*! 8/! )&! "3*$#&! ! 9$%#&4& ! $!+* 3 *!*&)'&!/$!&$!&! /!#/* !! &0!+ *!+*$#&!8/!+* + *# $&!/$!*$"$ ! "!!+/$ !?! /!#/* !&#/&)!) !# $3 *&$!!&)/$ !! 0$$!/$&!$ &!+* " !"!!! " 4&#7$!+#&!"!!k&#*&!&)! /+ $*!8/! !/$!#/* ! /+* *!J ! 1)!"+&*&$ !"!&" $ !"!/$&!/$4* "&"! $!8/!)!+* " !"!#&)%#&#7$!"!) ! &)/$ !&"" ! !"! !+/$ !"!/$! &)!"! !8/!9!?! ! &!/$&!/ *&!"!! &)/$ !#/ !+* " ! !"! !# $!/$&!" 4&#7$!+#&!"! !+/$ !F)!$4)!")! !k ! +/"!&%*&*!8/!)!+/$&5!"!) !&"" ! !$3* *!&)! @&)&" www.FreeLibros.org !! 1)! $"#& !"!+)&" !"! &0)#$ !# *#&) !"&)) & ! $!8/!)! &)&* !" ! + *!"&!"! / !& #&" ! !"!_ !&!& #&#7$!"!dueños de establecimientos comerciales 358 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO detallistas piensan, que el sindicato está subestimando el salario medio por día. En una muestra &)& *&!"! !+)&" !)&!F #&#7$!$#/$*&!8/!)! &)&* !" !+ *!"&! !"!_ !# $! /$&!4&*&$'&!"!_ !?!)&!& #&#7$! 2!" +/ &!&!*#<&'&*!/$&!&%*&#7$!4*"&"*&!$ ! 2 !"!!$! ! !k*#<&'&*2!)&!&%*&#7$!")! $"#& !! $!" *0/" *!"!0 & ! +#&) !+&*&!*&0&5 !9&*&$'&!&)!9*$!"!/$&!+* &!8/!)!+* " ! d!"/*&#7$!"!)& !0 & ! !"! ! !&!+* &!"#"!# +*&*!!+&* !"!0 & !8/!$! +* " !"/*&$!! !!!"& !# $!/$&!4&*&$'&!"!! !kF)!$4)!")! ! !+ "*2!"#*! que la duración de las botas es inferior al señalado por el distribuidor? !! F$* *$! /$! "*$&" ! 9*/+ ! "! 28/$& ! <&0&! $" ! /$&! "/*&#7$! "&! $*! *+&*&# $ !"! !< *& !"! +*&#7$!1)!+* $&)!"! !"+&*&$ !*#$$!*$7! un programa de entrenamiento en el que se destacaba el mantenimiento preventivo del equipo. Las 9/$ !!*+&*&# $ !/4* $!/$&!"&!"! !< *& !$*!#&"&!/$&!# $!/$&!" 4&#7$! 2$"&*!"!!< *& !k * + *# $&! !/$&!+*/0&! /%#$!+&*&!# $#)/*!8/!)!+ !" ! $*!" # + /*&!&/$&!Z4)!")! !! $&!/ *&!&)& *&! +)!"!&&@ !!"!/$&!+ 0)&#7$!+* $7!) ! 9/$ !* /)&" ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! k * + *# $&$! !"& !4"$#&! /%#$!+&*&!+ "*!# $#)/*!8/!)&!"&!+ 0)&# $&)! ! /+* *!&! !Z4)!")! !1)!3&0*#&$!"!/$!#* ! ") !"!&/ 74)!&%*&!8/!)!) *&5!" !"! ! ") ! ! "!!!+ *!9&)7$!"!9& )$&!# **$!$! *9&$ !"!"3$ &!")!# $ /" *!+$ &!8/! ! ) *&5!+* " !<&! " !&9*&" !+ *!)!3&0*#&$!Z/4!&/ 74) !"! ! ") ! $! conducidos del mismo modo con un galón de gasolina corriente. Los kilómetros recorridos por los diversos automóviles son: ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ?!)! *9&$ !" &!*#<&'&*!/$&!&%*&#7$!4*"&"*&!$ !2 !"!/$&!4'!$! &%*&#7$!")!3&0*#&$ ! !k*#<&'&*2!)&! !$&!" *0/" *&!"!9& ! 3*#!&! / !#)$ !)! *4# !$!/$!2 !"! +*&!"!!< *& !?! &!/$&!/ *&!"! !< 9&* !8/!<#* $!+"" !! !$# $*7!) ! 9/$ !!!! !!! !!!!! !!! !!!k !+/"!#**!) ! 3*#" !+ *!)&!" *0/" *& DISTRIBUCIÓN DE UNA PROPORCIÓN MUESTRAL En R , correspondiente a distribuciones , se aplica un procedimiento casi igual que en las muestras grandes, con la diferencia "! *!/$&!" *0/#7$!Y!"!?/"$!8/!&!)&!4'! implica para # **9*!)!** *! 2$"&*!"!)&!+* + *#7$!&!37*/)&!&!/)'&*!es: = − −1 www.FreeLibros.org =& !&)9/$ !5*## !# $!&+)#&#7$!&! !+ !"!distribución. CAPÍTULO OCHO PRUEBA DE HIPÓTESIS Y LÍMITES DE CONFIANZA 359 Ejemplo 1. Se dice con frecuencia, que la proporción de funcionarios públicos que tienen el hábito de 3/&*!$!< *& !"!*&0&5 ! !")! !&! %#$&!9/0*$&$&)!"! &)/"!" &!*&)'&*!/$&!#&+&@&!&! %$!"!" $/*! !porcentaje, +&*&!)) !"0!# +* 0&*) 6!& !8/!"#"!*&)'&*!/$&!$4 9&#7$!"! / * !&!!3/$# $&* !$# $*&$" !8/!!"!)) !3/&$!kF!$4)!del! !)&! %#$&!+/"!&#+&*! )!+ *#$&5!")! !# !$"#&" * 7 & μ = 0 = 42% = 13 = 0,52 25 ∝ = 0,01 : μ = 0,42 υ = − 1 = 24 = 25 = : μ ≠ 0,42 ∝= 0,01 0,52 − 0,42 = 0,98 0,52(0,48) 25 − 1 = ∝= 0,01 t -2,797 2,797 ?!<&!*&'7$!+&*&!&#+&*!)! !como indicador de fumadores en horas de trabajo, al nivel del Ejemplo 2.!1)!" *0/" *!"!/$&!28/$&!&%*&!8/!)!2 !"!)$ !"3#/ !+ *!< *&! 8/!+* $&! /!3/$# $&$ ! !")! !1$!/$&!"*$&"&!< *&! ! &!# !/ *&! !&*#/) ! +* "/#" !) !8/!&! /!4'! $! " !&!# $* )!$# $*&$" !/$!&*#/) !"3#/ !kF)!$4)!")! ! !+ "*2!"#*!8/!)!+ *#$&5!"!"3#/ ! ! /+* *!&)! @&)&" !+ *!)!distribuidor? o : = 3% 0 = : : = 1 = 0,05 = 5% 20 = 0,03 > 0,03 ∝ = 0,05 0,05 − 0,03 = 0,4 0,05(0,95) 20 − 1 = 20 ∝= 0,05 = ∝= 0,10 t 1,729 Con este resultado no se puede concluir, que el porcentaje de defectuosos sea superior al señalado + *!)!" *0/" *!&)!$4)!")! EJERCICIOS PARA RESOLVER La gran mayoría de los ejercicios de este libro, se encuentran resueltos en el Sistema de Información en Línea SIL. !! 1)! 9*$! "! /$&! ; *+ *&#7$! "! &< ** ! &*9/$&! 8/! )! ! "! ) ! #)$ ! + ! &)" ! &+* &" !&!) !_ !?!" &!# $%*&*!&)! +*&#7$!"&$!/$&!/ *&!&)& *&!&! ! #)$ !)9" !&)!&'&*!"!) !#/&) !!$$! &)" ! /+* *!&!) !_ !F)!$4)!")! !k !+ "*2! "#*!8/!)!+ *#$&5!"!&< **&" * !$$! &)" ! /+* * !&!)&!&%*&#7$!<#<&!+ *!)!gerente? www.FreeLibros.org 360 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO !! $&!+&+)*&!# $!/$!&) !4 )/$!"!4$& !"!)$ !+&*&! /"&$ !/$4* &* !*#0!"! /$!+* 4" *!#* !&*#/) !# $!/$&!9&*&$&!")! !"!"3#/ !1)!"/@ !"!)&!+&+)*&!" &! &0*! !$!) !+"" !8/!<&#! !#/+)!)&!9&*&$&!+&*&!)) ! &!/$&!/ *&!"!!&*#/) ! $# $*&$" !!# $!&)9$!"3# !k?!+/"!"#*!8/!)!3&0*#&$!$ !#/+)!# $!) !+* " !! F)!3*$!"!)&!/$4* "&"! !$ &)&!/$&!4$&!"!# "&!*2+"&!1)!$#&*9&" !")!$9 # !$#/$*&! 8/!)! !"!) ! /"&$ !+*%*$!)!+& )!"!+ )) !$!4'!"!#&*$!"!* !?)## $&!/$&! / *&!"! ! /"&$ !+&*&! /"&*! /!+*3*$#&!$# $*&$" !8/!!"!)) !+*%*$!)! +& )!"!+ )) !k?!+ "*2!&%*&*!8/!)!$#&*9&" !")!$9 # !&9*&!)!+ *#$&5 !! $!3&0*#&$!"!&/ 74) !&%*&!8/! / !&/ !"!+ !3&)&*!$!)! !"!) !#& !+/"$! * *!/$!#< 8/!"!3*$!&!/$&!4) #"&"!$3* *!&!) ! !O<! !/)'&$!#* !8/+ !?! &! /$&!/ *&!"!!4<#/) !8/!$$! !8/+ 6! !$#/$*&$!8/!!&/ !* $!/$!#< 8/! "!3*$!k?!+/"!"#*!&)!$4)!")! !8/!)!8/+ ! !/#< !2 !3#4 !8/!)&!&%*&#7$! del fabricante? !! $&!&9$#&!"!+) !#*#&!)!<#< !"!8/!)! !"!)& !+* $& !8/! $!# ) #&"& !$ !+& &$! la prueba de trabajo en los tres meses. Se quiere comprobar esta crítica y del archivo de colocación "!+)&" ! )## $&!/$&!/ *&!"!!! !$#/$*&!8/!!$ !+& &* $!)&!+*/0&!k?!+/"! 5/ %#&*! &!#*#& !! $&!"&! +#&)!& 9/*&! /!3#4"&"!$!/$! !"!) !#& !?! )## $&!/$&!/ *&!"! ! +* $& !8/!)&!<&$! 9/" !$# $*&$" !8/!$!!"!)) !<&! " !3#4&!k?!+/"!& 9/*&*! 8/!)!+ *#$&5!"!3#4"&"! !$3* *!Z4)!")! !! &! %#$&! "! # $* )! "! *2$ ! $! 8/! )! ! "! # $"/# * ! "! 4<#/) ! "! *4# ! +&*#/)&*!$$!)!+& !"!# $"/##7$!4$#" !?!))4&!&!#&0 !/$&!/ *&!"! !# $"/# * ! $# $*&$" ! 8/! ! "! )) ! $$! )! +& ! 4$#" ! kF)! $4)! ")! ! ! +/"! &%*&*! 8/! )! + *#$&5! !& *!8/!)! @&)&" !+ *!)&! %#$& !! $!#*/5&$ !" &** ))&!/$&!#$#&!8/**9#&!$/4&!+&*&!/$&!$3*"&"!$!)&!#/&)!)&!mortalidad + +*& *&!/ /&)! !")! !F+)#&!)&!#$#&!$!!+&#$ !"!) !#/&) !/*$!!k;*! usted que el cirujano considera que su técnica constituye un progreso con respecto al método de tratamiento anterior? (J! DISTRIBUCIÓN DE DIFERENCIAS ENTRE DOS MEDIAS MUESTRALES De acuerdo con el 6 , cuando ambas variables presentan tamaños muestrales (n1 ! /+* * !&! !$"*2$!/$!# + *&$ ! )&*!&!)&! , por lo tanto aplicamos !1$!)!#& !8/!&0 !&&@ !/ *&) ! &$!$ * ! !9/&) !&! ! !&+)#&*2!)&!" *0/#7$!Y! "!?/"$!/)'&$" !"3*$ !37*/)& !"!&#/*" !&!)&!3 *&!$!8/! !"!)&!$3 *&#7$!=2 ) ! 0&5 ! )! /+/ ! "! 8/! )& ! " ! + 0)&# $ ! "! " $"! ! *&$! )& ! " ! / *& ! $$! 4&*&$'& ! + 0)&# $&) !9/&) !!<!J!! ), supuesto que se cumple en la mayoría de los casos, lo cual permite calcular el error estándar de las diferencias entre las dos medias muestrales así: A) Cuando el ejercicio suministra información para cada una de las observaciones muestrales, es +*3*0)!#&)#/)&*!/$&!4&*&$'&!# $!+&*&!)& !" !/ *& ! $" www.FreeLibros.org CAPÍTULO OCHO PRUEBA DE HIPÓTESIS Y LÍMITES DE CONFIANZA = 2 ∑( − )2 +∑ ( − )2 1+ 2 −2 2 = [∑ 2 − 2 1 1 ]+ [∑ + 2 2 −2 − 2 2 361 ] Con el resultado obtenido al aplicar la fórmula anterior, nos permite calcular el error estándar para la diferencia entre las medias muestrales. 2 = − = 2 + 1 2 − 2 + 1 2 2 Algunos ejemplos correspondientes a este primer procedimiento, se darán a continuación. Ejemplo 1!$!3&0*#&$!"!#9&**)) !&$&)'&!)!&0&# !"!" !&*#& !"3*$ !+&*&!"*$&*!)! contenido en nicotina y obtiene los resultados siguientes (en miligramos): MARCA A: MARCA B: ¿Los resultados anteriores, señalan que existe una diferencia en el contenido medio de nicotina en ambas marcas? : o S = 2 2 ∑ ( − ) +∑ ( − ) 1 ∑ ( − ) 2 = 10 = − 0 = υ= + 2 −2 = 120 = 24 5 = 2,5 2,5 + = 1 =1 5 5 = :μ = μ 0 : μ1 = μ 2 :μ ≠ μ 1 : μ1 ≠ μ 2 ∑ = 135 = 27 5 (24 − 27 ) = − 3 = −3 1 + 1 2 −2 2 = 1 + 2 2 ∑ ( − ) 2 = 10 ∑ 1 − ⇒ υ = 5+5−2 =8 ∝= 0,05 2 = 10 + 10 = 20 = 2,5 5+5−2 8 − =1 ∝= 0,05 -2,3060 ∝= 0,05 2,3060 !* /)&" !&$* * ! @&)&$!8/! !/$&!"3*$#&! 9$%#&4&!$!el contenido medio de $# $&!$!&0& !&*#& !&)!$4)!"! Ejemplo 2. & ! #&)%#&# $ ! 0$"& ! &! *&4 ! "! " ! / *& ! &! /"&$ ! "/*$ ! ! $ #/*$ ! respectivamente fueron: www.FreeLibros.org 362 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO ! Z;[(Z ! ! ! ! ! B`(Z ! ! ! ! ! ! ! ! ! ! ! ! ! ! ¿Los anteriores resultados, permiten concluir, que hay una diferencia en el rendimiento de los estudiantes diurno y nocturno? o : [155,89 − 10(3,93) ] + [99,96 − 8(3,53) ] = 0,11 2 2 = 10 + 8 − 2 − = 2 2 2 + 1 3,93 − 3,53 = 2,54 0,11 0,11 + 10 8 = 2 ∝= 0,05 ∝= 0,05 -2,12 2,12 entre los estudiantes según la jornada de estudio. B) Ahora, cuando las o a a a ta a a a a a éstas supuestamente están corregidas, es decir, fueron obtenidas aplicando las siguientes fórmulas: 2 = 2 ∑( − ) = ∑ 1 2 −1 − 1 1 −1 2 2 y = 2 ∑( − ) = ∑ −1 2 2 − 2 2 −1 2 1 !" !* /)&" ! !+/"$!/)'&*!+&*&!#&)#/)&*!)!** *! 2$"&*!"!)&!"3*$#&!$*!)& !" ! medias muestrales, así: − ( 1 − 1) = 1 2 + +( 2 − 1) 2 −2 2 1 + 1 1 2 Por lo tanto la variante estadística en este caso, será: = − ( 1 − 1) 2 − 1) 1 + 2 −2 2 +( = 2 1+ 1 1 1 ( 1 − 1) 2 2 − 1) + − 2 1 2 2 1 +( − 2 2 2 1 + 1 1 2 Observemos que este procedimiento empleado, debe arrojar un resultado exactamente igual a aquél en donde se dan los valores para las variables muestrales, dado que las fórmulas son las mismas, pero +* $&"& !$!3 *&!"3*$!=2 ) 2 = ( 1 − 1) + ( 2 − 1) 1+ 2 −2 2 2 ⎡ ( − )2 ⎤ ( 1 − 1) ⎢ ∑ ⎥ + ( 2 − 1) 1 −1 ⎣ ⎦ = 1+ 2 −2 ⎡ ∑ ( − )2 ⎤ ⎢ ⎥ 2 −1 ⎣ ⎦ www.FreeLibros.org Ahora, si anulamos a y nos queda que: CAPÍTULO OCHO PRUEBA DE HIPÓTESIS Y LÍMITES DE CONFIANZA = 2 ∑( − )2 + ∑ ( 1 + 2 − −2 )2 363 , con lo cual se demuestra que los dos procedimientos de cálculo son iguales. F< *&!# $ "* !)&!$3 *&#7$!")!5+) !!+29! = 27 = 24 2 = ∑( − 1 −1 )2 = 10 = 2,50 4 2 = ∑( − 2 −1 )2 = 10 = 2,5 4 Nota: /0 !$! !5*## !# $#"$#&!$!) !* /)&" !"!)& !4&*&$'& !&!8/!$!&0& !4&*&0) !* /)&* $!9/&) !&! Procedemos al cálculo del error de las diferencias entre las medias muestrales, siendo: − ( = 1 − 1) 1+ 2 −2 2 − = Como − 1) +( 2 2 1 + 1 1 S − 2 = (5 − 1)2,5 + (5 − 1)2,5 1 1 + =1 5+5−2 5 5 = 24 − 27 = − 3 = −3 , llegamos a los mismos resultados y conclusiones anteriores. 1 1 − Ejemplo 2!?! &!# !/ *&!!/5* !! !< 0* !3/&" * !?!8/*! &0*! !)!$* ! de cigarrillos que consumen los hombres diariamente es superior al de las mujeres, los datos fueron en +* " !!#9&**)) !$!)!9*/+ !"!/5* !!!$!) !< 0* 6!)& !" 4&# $ !+#& ! $!!!! * +#4&$!F)!$4)!")! !k !+/"!))9&*!&!)&!# $#)/ 7$!"!8/!) !< 0* !3/&$!2 !8/! las mujeres? o : =8 0 = 11 = 2,1 :μ = μ ∝ = 0,05 :μ < μ υ = 6 + 10 − 2 = 14 − = ( = = 1,8 1 − 1) − 1) 2 + − 1 2 2 +( 2 2 1 + 1 1 8 − 11 (6 − 1) 2,1 + (10 − 1)1,8 2 6 + 10 − 2 2 ∝= 0,10 2 = −3,04 1+ 1 6 10 -1,761 1)!* /)&" !"! ! !/0#&!$!)&!*97$!crítica.!F)!$4)!")! ! !+/"!&#+&*!)&!# $#)/ 7$! de que los hombres fuman más que las mujeres. www.FreeLibros.org 364 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO Sin embargo, hay muchos casos en que las ) o no se puede comprobar su igualdad. En estos casos no se deben aplicar los dos procedimientos anteriores, pues no se ha encontrado una distribución precisa que la describa, tan sólo se han elaborado procedimientos aproximados, entre estos la “t” de Student con ciertos grados de libertad, mediante la aplicación de la siguiente fórmula: ( υ= ( 2 )+ ( )+ ( 2 1 2 1 1 −1 2 2 2 2 −1 ) ) Ejemplo 3. Consideremos los datos sobre dos tipos de amortiguadores para vehículos FBF!las pruebas de duración resultaron en dos muestras aleatorias, "!&&@ !!!!* +#4&$!) ! +** !# $!/$&!"/*&#7$!"!! !!" 4&#7$!+#&!"!! !$*& !8/!$!)! 9/$" ! ! "! ! ! ! " 4&#7$! +#&! "! ! ! Z ! <&! $$9/$&! +*/0&! "! 8/! )& ! 4&*&$'& ! * +# !&!)&!"/*&#7$! &$!9/&) ! * 0&*!8/!)&!"/*&#7$!$ !+* $&!"3*$#& ! 9$%#&4& !&)! $4)!")! o : Calculamos en primer lugar los grados de libertad. υ= υ= ⎛ 7 2 5,2 2 ⎞ ⎜⎜ + ⎟ 12 ⎟⎠ ⎝ 16 ⎡ ⎛ 5,2 2 ⎞ ⎤ (16 − 1) ⎥ + ⎢ ⎜⎜ ⎟⎟ ⎦ ⎣ ⎝ 12 ⎠ ⎡ ⎛ 72 ⎞ ⎢ ⎜ 16 ⎟ ⎣⎝ ⎠ ⎤ (12 − 1)⎥ ⎦ (49 (49 16 ) + (27,04 12 ) 5,32 = = 13,02 16 ) (27,04 12 ) 3,06 2,25 + + 15 11 16 − 1 12 − 1 ; $!/$!$4)!"! 9$%#&#7$!")! !)!4&) *!"!Yt! 0$" !$!)&![&0)&! !"!!+&*&!£!J!! (grados de libertad). 0 :μ = μ ∝ = 0,05 :μ ≠ μ = − 2 1 2 + 2 = 22,6 − 18,2 = 1,91 49 27,04 + 16 12 ∝= 0,05 ∝= 0,05 -2,16 2,16 www.FreeLibros.org El resultado de 1,91, nos permite concluir que las diferencias sobre la duración de estos amortigua" * !$ ! $! 9$%#&4& !&)!$4)!")! CAPÍTULO OCHO PRUEBA DE HIPÓTESIS Y LÍMITES DE CONFIANZA 365 EJERCICIOS PARA RESOLVER La gran mayoría de los ejercicios de este libro, se encuentran resueltos en el Sistema de Información en Línea SIL. !! 1)!# %#$!"!"9 7$!&)!/)'&*!&'!$ )&" !# !&)$ !+&*&! 4$ !&** 57!) ! 9/$ ! resultados: <– 1!J! !!!!s1J! !!1)! !* /)&" !$!0 4$ !&** 57 ! <– !J! !!!s!!J! ! El número de animales, por muestra, fue de 15. Se pide determinar si hay diferencias entre los # %#$ !"!"9 7$!"!) ! 4$ !!0 4$ !&)!$4)!")! !! !* /)&" !")!# $* )!"!)&!#&)"&"!$!" !+* # TIPO I:! TIPO II:! ! ! ! ! ! ! ! ! ! !&$/3&#/** ! $!) ! 9/$ ! ! k *$! !* /)&" !# $#)/*!8/!) !+*# !"$!# !* /)&" !#&)"&" !"3*$ !Z4)! "! !! ?!+* + $!/$!$/4 ! " !+&*&!3&0*#&*!# $#* ! &*&!" #&*! *!&!+*/0&! !)!$/4 ! método ha aumentado la resistencia a la compresión, se elaboran cinco bloques con cada método. La resistencia a la compresión, en libras por pulgada cuadrada, resultan ser las siguientes: NUEVO M TODO: M TODO USUAL: ! ! ! ! ! ! ! ! ¿Diría usted que el nuevo método ha aumentado la resistencia a la compresión? !! &!&0)&! 9/$!+* $&!)&!9&$&$#&!$!+ DIETA Z* !"!*&& Ganancia media (gramos) Suma de cuadros de las desviaciones respecto a la media !$!" !) !"!*&& RICA EN PROTEINA POBRE EN PROTEINAS 101 k`$"#&$! !"& !/$&!"3*$#&! 9$%#&4&!$*!)& !9&$&$#& !"& !$!+ !# ** + $"$! a ambos grupos? 99. Se requiere comparar el nivel salarial de los empleados de dos empresas. Se solicita dicha información &!)&!+**&!"!))& !!*+ *&!8/!$!/$&!/ *&!&)& *&!"!!+)&" ! /!$9* !+* " ! 3/!"!_ !# $!/$&!" 4&#7$! 2$"&*!"!_ !?!)9! *&!/ *&!&)& *&!"!! +)&" !"!)&! 9/$"&!+* &!! / ! &)&* ! $!_6!_6!_6!_6!_6!_ 6!_6! _6!_ 6!_6!_!!_ !) !k * $&$!) !"& !&$* * !4"$#&! /%#$!8/! indique una diferencia en el nivel salarial de los empleados de las dos empresas? !!F! # $$/&#7$! ! +* $&$! )& ! #3*& ! # ** + $"$ ! &)! &$2) ! "! +* $& ! *&)'&"& ! 0*! una misma variedad de trigo cosechada en dos distritos. Si éstas son las únicas cifras disponibles, " #! &!&!+*/0&! ! ! !$ !/$&!"3*$#&! 9$%#&4&!$*!)&!+* $&!+* " !"! los dos distritos: www.FreeLibros.org 366 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO DISTRITO 1: ! ! ! ! ! DISTRITO ! ! ! ! ! ! ! ! 101. Dos muestras de 15 especímenes cada una, de dos tipos de género de lana fueron sometidos a una +*/0&!"!* $#&!&!"&!"!)&!+**&!/ *&!3/!"!!)0*& !+ *!+/)9&"&!#/&"*&"&!!"! !)&!"!)&! 9/$"&!& !* +#4& !" 4&# $ ! 2$"&*!3/* $!!!!)0*& !+ *!+/)9&"&! cuadrada. ¿Indica lo anterior que la segunda calidad de género es superior? !$&!# +&@&!" &!# +*&*!/$&!28/$&!8/!3&0*#&!$/2# !+&*&!))&$& !"!0##)&!&! recibido ofertas de dos productores y quiere determinar si le es indiferente comprar la maquinaria A o la B. Basándose en la producción de las máquinas de cada uno de ellos. Durante 10 días, elegidos &)!&'&*! 0 *4&!)&!+* "/##7$!"!)&!28/$&! 3*#"&!+ *!F!! 0$!8/ = 250 ∑ 2J! !!B $"!X es el número de neumáticos producidos por A. Para la máquina 8/! 3*#!! ! 0 *4&! /!+* "/##7$!"/*&$!!"& ! # 9" !&)!&'&*!! ! 0$!8/ ∑ 2 = 35 ∑ 2 2 2 !J! !?$" !) el número de neumáticos producidos por esa máquina. Usted es el 9*$!"!)&!# +&@&! !/$&!"# 7$!# $!/$!$4)!"! 9$%#&#7$!")! !!$&! # +&@&! 2! *&&$" ! "! "#"*! #/2)! "! " ! + ! "! $/2# ! 4&! &! # +*&*! +&*&! / ! camiones. Le gustaría adoptar la marca B a menos que haya alguna evidencia de que la marca A sea 5 *!?!<&#!/$!+*$ !$!)!8/! !/)'&$!!$/2# !"!#&"&!&*#&! !$/2# ! se prueban bajo condiciones iguales hasta que se desgastan; los resultados son: <– !J! – !J! MARCA A: MARCA B: !! !! s<!J! !! s!J! ! F!/$!$4)!")! ! !&)9/$&!4"$#&!"!8/!)&!&*#&!F! &! /+* *!&! !!B !+ !"! )/# $ !8/#& !F!!!3/* $!$ &&"& !+&*&!4*! /! !9*&" !"!&#"'!"! )&! )/#7$!F$2) !"! !/ *& !"!F!"* $!/$! !"!!# $!/$&! !J! !F$2) !"!! / *& !"!!"* $!/$! !"!!# $!/$&!s!J! !B #&*! ! !/$&!"3*$#&! 9$%#&4&! (!J! ! !!B!/$! /" !3#/&" !$!!&$&) !&! $#!"!)) ! !) !" !+* $&!"!&$!#*/" !!&!) ! * ! $#!+* $& !"!&$! &" !F!/$!$4)!")! !+*/0!)&!<+7 !"!8/!)&!+* $&!"! maní tostado ha tenido menor efecto sobre el valor proteínico circulante. TIPO DE FZ§! a) Crudo b) Tostado ! ! ! !!!!! ([1§ZF?!;`(;FZ[1?!!!!F!B) ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! !1)!#/ #$!"!$)9$#&!"!! /"&$ !"! #/$"&*&!5 *$&"&!$ #/*$&!" !/$!+* " !"! !# $!/$&!4&*&$'&!"!!$*& !8/!+&*&!! /"&$ !")! !# )9 !"!5 *$&"&!"/*$&! " !/$!+* " !"! !# $!/$&!" 4&#7$! 2$"&*!"! !k1 !/$&!"3*$#&!$*!)!`w!"! los dos grupos? www.FreeLibros.org CAPÍTULO OCHO PRUEBA DE HIPÓTESIS Y LÍMITES DE CONFIANZA 367 !!; $!0& !$!) !*9 * !"!+* $&)!" !9*&$" !# +&@& ! &$!/ *& !*)&4& !&!)&!"&"! 8/! ! +$ $&! /! +* $&)! 1$! &0& ! # +&@& ! ! # $ "*&$! / *& ! &)& *& ! "! ! empleados. Las compañías encuentran que: ∑ 2 = 44.500 = 40 ∑ 2 = 78.000 = 50 (Nivel del 5%) ¿Cree usted que los empleados de la compañía B se pensionan a una edad mayor que los de A? !$!$4* $ &!" &!"#"*!$*!" !+ !"!4&) * ! &*&! /!"# 7$!#/$&!# $!)&! 9/$! información acerca del rendimiento expresado como porcentaje del precio: =F(!F ! =F(! ! ! ! ! ! ! ! ! ! !!! ! ! ! ! ! ¿Sugieren estos datos que el valor B produce mayor utilidad que el valor A? 109. Una prueba de lectura fue rendida por los alumnos del primer curso de una escuela elemental. El resultado consistió en que de 10 alumnos que aprendieron a leer con el método A, su promedio fue "!!!" 4&#7$!+#&!"! 6!# $!!&)/$ !+ *!)! " !! /!+* " !"!#&)%#&#7$!3/! "!!!" 4&#7$! 2$"&*!"! !kF)!$4)!")! ! !+ "*&!&%*&*!8/!)! " !! !2 ! efectivo que el A? 110. El gerente de una empresa, asegura que su programa de entrenamiento en ventas le permite un promedio diario en venta superior a $110.000 por vendedor; selecciona una muestra de 10 agentes que han recibido el programa de entrenamiento y obtiene los siguientes resultados (en miles de $): ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! a) Si usted fuera el superior de estos agentes, ¿adoptaría el programa de entrenamiento propuesto por el gerente? (J! 0!!?!)!4*"&"* !4&) *!+* " !"&* !"!4$& !"!)&!+* &! !"!_ !k8/!+ !"!** *! !# ! ! !" #&!&)! !8/!)!+* " ! !"3*$ #!!?!/ "! )## $&!!4$"" * !"!)&!+* &! $! * !&!"#< !+* 9*&&!"!$*$&$ !! # +&*&!"#<&!/ *&!# $!)&!"!) !"'! !8/!*#0* $!$*$&$ !k+/"!&%*&* !&!/$! $4)!"! 9$%#&#7$!")! !8/!"#< !+* 9*&&!$ !+* "/#!) !3# !8/! $!)!9*$ ! ! ! ! ! ! ! !! ! ! ! ! !!!!!!!!!!!!!!!!!!!!!!!) !"!_) 111. Un fabricante registró el número de artículos producidos diariamente, durante 10 días, para un grupo "!! 0** !8/! +*&0&$!# $!0& !$!/$!+)&$!"! &)&* !%5 !1)!3&0*#&$!$* "/5 !/$!+)&$!"! incentivos salariales para otros 15 obreros y registró la producción durante 10 días. El número de artículos producidos diariamente fueron: (`1(! ( ! ! ! ! ! ! ! ! ! ! ?1 ZB! ( !! ! ! ! ! ! ! ! ! ! www.FreeLibros.org Suponiendo que los salarios pagados a cada grupo fueron iguales, ¿puede el fabricante concluir que el plan de incentivos fue efectivo? 368 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO !!$&!+*/0&!"!* $#&!&)! 3/*' !"!" !+ !"3*$ !"!#&0)! !))47!&!#&0 ! )## $&$" ! " !/ *& !"!&&@ !!! !* +#4&$6!)& !"& !3/* $!"! !!!# $!" 4&# $ ! +#& !"!!!!k * + *# $&$! !"& !&)!$4)!")! ! /%#$!4"$#&!+&*&!$"#&*!8/! )&!* $#&!&)! 3/*' !"!) !#&0) !"!! ! /+* *!&!)&!"!A? !!1$!/$!)&0 *& * !"!+ # ) 9&!<#* $!))9&*!+ *!"3*$ !# $"/# !/$&! / &$#&!7#&!<& &! el sistema nervioso central en varios animales. La variable de interés fue el tiempo, en horas, entre la administración de la toxina y la iniciación de los síntomas. Se obtuvieron los siguientes datos: n 11 CONDUCTOS A B <– VARIANZA 10,0 ¿Proporcionarán estos datos evidencia como para concluir, en promedio, que la iniciación de los $ & ! +*7!+* $ !#/&$" !)&! $&! !&"$ *7!+ *!)!# $"/# !!Z4)!")! DISTRIBUCIÓN DE DIFERENCIAS ENTRE DOS PROPORCIONES MUESTRALES 1 2 En la aplicación de estas distribuciones en R % se sigue el mismo procedimiento /)'&" !+&*&!/ *& !9*&$" !# $!)&!"3*$#&!$!)&!+* $&#7$!"!)&!37*/)&!$!)&!#/&)! !*&0&5&! con n1— 1 y n — 1 1 − 2 = 1 1 1 −1 + 2 2 2 −1 Ejemplo 1!1$!/$&!/ *&!+* 0&0) #&!"!)!&& !"!#& &!)! !indicó preferencia por la marca A de margarina. Con posterioridad a una campaña intensiva de radio y televisión, se seleccionó una nueva muestra entre amas de casa del !&&@ !!#)& ! #&)!1$! &!/ *&!)! !$"#7!+*3*$#&! por l&!&*#&!F!B!&#/*" !# $! !* /)&" !!&!/$!$4)!"! !k+ "*&!r#<&'&* !)&!<+7 !"! que la campaña de publicidad no fue efectiva? o : 1 = 12 0 :μ 1 =μ 2 :μ 1 <μ 2 1− 2 = 2 = = 12 1 1 1 −1 1 = 0,20 2 = 0,22 ∝= 0,05 ∝= 0,05 + 2 2 2 −1 0,2 − 0,22 = −0,12 (0,2)(0,8) (0,22)(0,78) + 12 12 ∝= 0,10 -1,717 Se ubica !$!)&!' $&!"!&#+&#7$!F)!$4)!")! ! !+/"!*#<&'&*!la hipótesis que la campaña publicitaria no fue efectiva. www.FreeLibros.org CAPÍTULO OCHO PRUEBA DE HIPÓTESIS Y LÍMITES DE CONFIANZA 369 EJERCICIOS PARA RESOLVER La gran mayoría de los ejercicios de este libro, se encuentran resueltos en el Sistema de Información en Línea SIL. !!1)! ¨3! "! #&**&! "! /$&! compañía & 9/*&! 8/! /)'&$" ! )&! ))&&"&! )37$#&! ) 9*&! &#)*&*! más que una carta de cobro, el pago de cuentas morosas. Dos grupos de clientes morosos fueron # $&#&" ! + *! #&"&! " ! %5&$" ! /$! +)&' ! $ ! & *! "! ! "& ! +&*&! *#0*! )! +&9 ! 1$! )! +**!9*/+ !# $3 *&" !+ *! !+* $& ! ! 0/4* $!* +/ & !"! !$!)! 9/$" !9*/+ ! ! &* $!!#)$ ! * !! 7) !* + $"* $! !kF!/$!$4)!"! 9$%#&$#&!")! !"0! # $#)/*!)&!# +&@&!8/!)!53!"!#&**&!$!*&'7$ !!1$!/$&!+* &! !# $ "*&!8/!)&!+* + *#7$!"!+* !+&*&!&/ $&* !"!)&! %#$&!$!< *& ! de trabajo, es mayor en los hombres que en las mujeres. P&*&!# +* 0&*!)&!&$* *!&%*&#7$! ! # 97!/$&!/ *&!"! !< 0* !!!/5* ! 0 *4&$" !8/!)!$* !"!+* ! )#&" ! !# $#"" !3/!"!!! !* +#4&$!&!$4 9&#7$! !*&)'7! 0*!)! &)!"!+* ! $!/$! !kF)!$4)!")! ! !42)"&!)&!&%*&#7$ !!$! " *0/" *! "! &#/*" ! &! /! +*$#&! "#! 8/! ! 9/&)! +*3*$#&! + *! )&! &*#&! "! computador que ofrece, dependiendo de la Universidad en la que estudia el consumidor. Con base $!/$&!/ *&!&)& *&!$!!&)/$ !"!)&!+**&!$4* "&"! !$#/$*&!8/! !+*%*$! "#<&!&*#&!$*& !8/!$!/$&!/ *&!"!!&)/$ !$!)&! 9/$"&!$4* "&"! 7) ! !)&! +*%*$!¿Es &#+&0)!)&!&%*&#7$!"!9/&)!+*3*$#&!+ *!)&!&*#&!")!# +/&" * !$&!0/" *&!"!#&*$! 3*#!+&*&!)!# $ / !" !#)& !"!+* "/# !"3*$ !+ *!)!# $$" ! de grasa. Se tomaron dos muestras teniendo en cuenta la clase del producto, para preguntar si la &#+&#7$!"+$"&!")!# $$" !"!9*& &!1$!)!+** !$!/$&!/ *&!"!!# $ /" * !! # +*&* $!+ # !# $$" 6!$!)&!/ *&!"! ! 7) !!$ !/4* $!$!#/$&!)!# $$" !"!9*& &! k1 !42)"&!)&!&%*&#7$!"!8/!)&!+*3*$#&!"+$"!")!$4)!"!grasa? APLICACIÓN CON EXCEL PRUEBA DE IPOTESIS Consideremos en primer lugar la aplicación de Excel en las pruebas de hipótesis, en una distribución "!1B`F!1?[(F1?!#/&$" ! !0)&*&)!# $!/$!$4)!"! 9$%#&$#&!")! !©J !+&*&!)&! #&*&#* #&!8/!< !4$" !/)'&$" ! !"#*!;F`{`;F;`Z1?! 0$"& !+ *!) !&)/$ !$! )& !+*/0& !*&)'&"& !+ *!)!`;{1?!&!<+7 !$/)&! !"#*!)&!"&!+ 0)&# $&)! /+/ &! !"! ! J !3*$!&!)&!&)*$&4&!"!8/! &!"3*$ Muestra grande: | ) 1)!&&@ !"!)&!/ *&! *2!"!ZJ !/0#&"&!$!)&!;ZF!!" $"!)&!"$%#&#7$!"!)&! 4&*&0)!&+&*#!$!)&!;1BF!!) !"& !4&$!" "!!<& &!!=*![&0)&!Z !!$!)!?` 1) Ho! !!J! !!! Ha : ! ! !J! '<" !# www.FreeLibros.org 1$!) !+* #"$ !&$* * ! !<&*2!;`;!$!)&!%#<&!BF[?FZª`?`?!B1!BF[S 370 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO {9/*&!Z !!F$2) !"!B& ?)## $& !1?[FB§?[`;F!B1?;(` [`=F!!<&# !;`;!$!F;1 [F( 1$!)!#/&"* !" +)9&0)!1?[FB§?[`;F!B1?;(` [`=F!#)&* !$!)&!+**&!#& ))&! (FZ !B1!1Z[(FBF! ?)## $& ! («[?! 1Z! (`1(F! 1Z[(FBF! ) ! ! $! ) ! 8/! * +#&! &! (1?1Z!B1!1?[FB§?[`;F!<&#$" !;`;¬!$!&0 !#& 1 &0)# !)!(FZ !B1!?F`BF!#)&$" !+ *!5+) !Z!!)/9 !<&* !;`;!$! ACEPTAR, tal como se puede observar a continuación: {9/*&!Z !!1 &" #&!B #*+4& www.FreeLibros.org CAPÍTULO OCHO PRUEBA DE HIPÓTESIS Y LÍMITES DE CONFIANZA 371 {9/*&!Z !!;/&"* !"!( /)&" El valor de la MEDIA ARITMÉTICA ( < ) aparecerá en la CELDA Z! &# +&@&"&! "! resultados, correspondientes a otras medidas. F< *&!+* #" !&! )## $&*!)&!;1BF!!$!)&!#/&)!#)& !)&!37*/)&!JZ OZ {9/*&!Z !!;2)#/) !")!=&) *! −μ www.FreeLibros.org &!37*/)&! &" #&!8/! !/)'7!+&*&!)!#2)#/) ! ! z= s n 372 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO !* /)&" ! 0$" ! *2$!/)'&" !+&*&! *!*+)&'&" !$!)&!37*/)& = J El resultado de Z! *2!&+* &"&$!9/&)!&!H! 0 *4& !8/!H! !#&!$!)&!*97$!&#+&0)! !' $&!"!&#+&#7$!) !8/!$"#&!8/! &*mos aceptando la hipótesis nula (HO ). Muestras peque as < 30 (t) Corresponde a muestras de n <! !!)&!+*/0&!# $!&+)#&#7$!"!1;1, es casi igual al procedimiento indicado para muestras grandes (n ! , tal como se verá a continuación H o : μ = 310 H a : μ ≠ 310 α = 0,05 t= −μ s n &# !;`;!$!FZª`?`?!B1!BF[?!"!)&!%#<&!BF[?1?[FB§?[`;F!B1?;(` [`=F 1$! )! (FZ ! B1! 1Z[(FBF! )&$! &* ! ) ! +** ! ! "& ! "! )&! 4&*&0)! ;F`{`;F;`Z1?!`;{1?! $" !!)!/) !"!)&!# )/$&!!"! !)!*&$9 !"!"& ! a seleccionar. ?)## $& !(«[! (`1(F!{`F!!(1?1Z!B1!1?[FB§?[`;F 1 &0)# !)!(FZ !B1!?F`BF!$!$/ * !#& ! *2! Finalmente hacemos CLIC en ACEPTAR. Nota:!1$!)&! 9/$"&!+&*!")!?`! !$#/$*&!)&![&0)&!Z !# $!)&!$3 *&#7$!# +)&!$#)/"&!)&! # )/$&!"!;F`{`;F;`Z1?!`;{1? www.FreeLibros.org CAPÍTULO OCHO PRUEBA DE HIPÓTESIS Y LÍMITES DE CONFIANZA 373 {9/*&!Z !!?)##7$!"!F$2) !"!B& {9/*&!Z !1 &" #&!B #*+4&!H!B& !"!)&!/ *& www.FreeLibros.org 374 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO {9/*&!Z !!;/&"* !"!( /)&" ; ! !+/"! 0 *4&*!)!#/&"* !"!* /)&" !&+&*#!&!+&**!"!)& !#)"& !!!Z! *! ejemplo, para el caso de la MEDIA MUESTRAL, éste aparece en la Celda M5 y su valor # ** + $"!&! !/0#&" !$!)&!#)"&!Z {$&)$! )## $& !)&!;1BF! !!$!))&!#)& !)&!37*/)&!JZ OZ!$!)&! CELDA P5 debe aparecer el valor estadístico de "t". {9/*&!Z !!;2)#/) !")!=&) *!")!1 &" # ! www.FreeLibros.org CAPÍTULO OCHO PRUEBA DE HIPÓTESIS Y LÍMITES DE CONFIANZA 375 Se concluye aceptando la hipótesis nula HO!&!8/!!#&!$!)&!' $&!"!&#+tación PRUEBA IPÓTESIS ENTRE DOS MEDIAS MUESTRALES Muestras |{} B9& ! )&! 9/$! $3 *&#7$! $! /$&! < 5&! "! #2)#/) ! # ** + $"$! &! " ! ! / *& ! "! tamaños n1 J!!!n!J! !&#*#&!"!)&!"/*&#7$!$!) !"!)7* !"!" !!&*#& !"!))&$& !+&*&! automóviles. ;/&"* !Z !!/ *&!? 0*!)&!B/*&#7$!"!)& !)&$& !$!¬)7* {9/*&!Z !`$3 *&#7$!B9&"&!$! 5&!"!;2)#/) ! www.FreeLibros.org 376 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO {9/*&!Z ! !F$2) !"!B& ?)## $& !)&!%#<&!`Z?1([F(FZª`?`?!B1!BF[? 1$!FZª`?`?!B1!BF[?!)9 ! (1F!! F(F!1B`F?!B1!B?!1?[(F?!! <&# !;`;¬!$!&#+&* 1$!) !#&+ !# ** + $"$ !&!!(FZ ! F(F!F!=F(`F1!)9 !) !"& !"!)& ! celdas Marca A y Marca B según sea el caso. Dado que la hipótesis nula planteada corresponde a Ho: μ< μ , es decir, que μ<– μ!J! !+ *!) ! &$ !$!)! +&# !"&" !+&*&!B`{1(1Z;`F!` [´[`;F!1Z[(1!F?!1B`F?!#)& ! 0. 1$! !+* #"$ ! !# $ "*&!8/!)& !4&*&$'& !+ 0)&# $&) ! &"& !8/! *4$!&!) ! #&+ !=F(`FZF! F(F!F!=F(`F1!!!! $ !!!!<!J!!!!!!!!!!J! Procedemos a seleccionar RÓTULOS. 1$!#/&$ !&)!$4)!"! 9$%#&$#&!#& ! +*! !*&0&5&!# $!/$!$4)!")! !8/!# ** + $"! al valor que vamos a digitar en el campo sugerido para ALFA. {$&)$! )## $& !)!(FZ !B1!?F`BF!$!$/ * !#& !# ** + $"!&!)&!;1BF! ; www.FreeLibros.org CAPÍTULO OCHO PRUEBA DE HIPÓTESIS Y LÍMITES DE CONFIANZA 377 {9/*&!Z !! */0&!!+&*&!"& !"!B !/ *& {9/*&!Z !!;/&"* !"!( /)&" www.FreeLibros.org 378 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO ; !! !9/&)!&!!#&!$!)&!' $&!"!*#<&' !+ *!) !&$ !&)!$4)!")! !*#<&'& !o. Es decir, que las llantas para automóviles presentan una duración diferente en kilómetros según la marca. Muestras peque as (t) Tomando como base la tabla propuesta del ejemplo anterior y seleccionando sólo n1J!!nJ!"!) ! datos allí incluidos, desarrollaremos ahora la prueba bilateral para pruebas pequeñas. s!!!!!! s n1 n1 ?! #&)#/)&! /$&! =F(`FZF! 1?[(F! +&*&! &0& ! / *& ! &)! # ! ! +* $&! $! )! proceso siguiente. 1$!)&!{#<&!BF[?FZª`?`?!B1!BF[?! )## $& !)&!3/$#7$! (1F!¶¶!+&*&!"&! "!" !!/ *& ! /+ $$" !4&*&$'& !9/&) ! {9/*&!Z !!F$2) !"!B& www.FreeLibros.org CAPÍTULO OCHO PRUEBA DE HIPÓTESIS Y LÍMITES DE CONFIANZA 379 En el cuadro de diálogo que aparece, se establece en los dos primeros campos la selección de #&"&!/$&!"!)& !# )/$& !/)'&"& !+&*&! !5+) !$! !#& !!+** ! )## $& ! el rango de datos de la columna A denominada Marca A y luego el rango correspondiente a la columna B que denominamos como Marca B. La hipótesis nula (H0) corresponde a < J! !+ *!) !&$ !#)& !#* ! !$!)!#&+ ! B`{1(1Z;`F!HIPOTÉTICA!1Z[(1!F?!1B`F? Se preselecciona RÓTULOS. 1$!)&!#& ))&!F{F!"9& ! !"&" !8/!)!Z`=1!B1!?` Z`{`;F;`«Z! *2!J! {$&)$! +* #" ! &! )## $&*! )! (FZ ! B1! ?F`BF! $! $/ * ! #& ! #)& ! )&! #)"&! B! $! )&! #& ))&! # ** + $"$! ! <&# ! ;`;! $!F;1 [F(! 0$$" ! )! resultado para t. {9/*&!Z !! */0&!!+&*&!B !/ *& !'%;%_*!# ^ %!%*!^ www.FreeLibros.org 380 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO {9/*&!Z !!;/&"* !"!( /)&" LÍMITES DE CONFIANZA Se habla con frecuencia de 6 %siendo dos valores (superior e inferior) asignados a un valor estimado, con el objeto de establecer el intervalo dentro del cual se supone está comprendido el valor verdadero (parámetro) conforme a algún valor de carácter probabilístico, generalmente denominado ni ) . Los 6 ) se tendrá los valores Zs y Zi cuando la muestra es grande, (también ts y ti cuando la muestra es pequeña) que forman los extremos superior e inferior respectivamente de los $*4&) !"!# $%&$'&!# $!* +# !&!/$!4&) *!+/$/&) Ls!J!s!J!! /+* *!!!!!!!!!!!!i!J!i!J!!$3* *!")!$*4&) Recordemos que en alguna oportunidad se habló de dos tipos de estimación: y por . El primero, corresponde a o punto que resulta de una investigación por muestreo, como + *!5+) !)&!"&!&*#&!/$&!+* + *#7$!/$&!*&'7$!#!F)!*&)'&*!/$&!/ *&! ! 0$$! # $#)/ $ ! 0*!)&!+ 0)&#7$!"&$!)&!/)'&#7$!"!&)9/$&!""&!"!+ #7$! !"!" +* 7$! pero este valor puede ser igual o diferente al del parámetro. Por lo tanto se debe establecer dos puntos, "$* !"!) !#/&) ! &*2!)!+&*2* !# $!#* !9*&" !"!# $%&0)"&" www.FreeLibros.org Ejemplo 1. El propietario de una pequeña fábrica de artesanías, toma una muestra aleatoria de la +* "/##7$! &$&)! "! ! "! ) ! ! +)&" ! 0$$" ! /$! +* " ! "! ! %9/*& ! # $! /$&! " 4&#7$! 2$"&*!"! CAPÍTULO OCHO PRUEBA DE HIPÓTESIS Y LÍMITES DE CONFIANZA o 381 : 1$# $*& !8/!)! &" *! !"!!)!#/&)!+/"! *!9/&)! !"3*$!del promedio (pará* !# $ "*&$" !/$! &)!"!!+)&" ! &*&!/#< ! !2 !32#)!!2 !*+* $&4 ! %5&*!) !) !"!# $%&$'&!+&*&! ! &4 !# $!)&!+* 0&0)"&"!8/! !# $ "*!# $4$$! /+ $9& !")! ! *!lo tanto se tendrán, partiendo de la variante estadística, los límites de # $%&$'&!+&*&! ! &4 !# $!)&!+* 0&0)"&"!2 !$"#&"&!9$*&)$!")! !?/!37*/)&! se obtiene, partiendo de la variante estadística, en este caso “t”: = −μ ˆ −1 ˆ −1 μ= ± μ = 22,5 ± 2,571 3,1 25,75 = μ = 22,5 ± 3,25 = ⎧⎨ ⎩ 19,25 = μ 6 Se tendrán dos límites superior!J!!!!!inferior J!!; $! !resultados se dirá que la producción real semanal por empleado debe estar entre 19 y!!%9/*& !# $!/$&! 9/*"&"! !# $%&$'&!")! ! 0 *4& !8/!$ !8/"&!/$! !# $ "*&" !# !** *!"!&)!&$*&!8/!)!+* " !"!%9/*& !+ r +)&" !+/"! *! /+* *!&!! !$3* *!&!!&!"&!+ 0)&# $&)!"0*2! &*!incluida (en algún punto) dentro del intervalo. "*&!+*9/$&* !k+ *!8/! ! &! ! !!$ !)! !"!# $%&$'&!?!+/"!* + $"*!&)! $** 9&$!# $!)!&$* *!5*## ! 0 *4 !8/!&!""&!8/! !&/$&!)!$4)!"!# $%&$'&! más amplio va a ser el intervalo, con lo cual se obtendría una información menos precisa y menos útil. ; $!) !$*4&) !"!# $%&$'&!+/"$!*&)'&* !+*/0& !"!<+7 !$$" !$! cuenta que la prueba debe ser siempre Si la hipótesis nula (Ho) se ubica dentro del intervalo, se acepta; en caso contrario, se aceptará la alternativa (Ha). DISTRIBUCIÓN DE MEDIAS MUESTRALES ; $!)& ! 9/$ !37*/)& ! !+/"$!"*$&*!) !) !"!# $%&$'&!+&*&!#&"&!#& !"+$"$" ! de la desviación típica y del tamaño de la muestra, son: σ μ = ± μ = ± μ = ± σ μ = ± ˆ −1 ˆ ≤ ≤ www.FreeLibros.org Ejemplo 2!$!/ *&!"! ! 0 *4&# $ !$!/$&!"&!"!!!/$&!" 4&#7$! 2$"&*!"!!?! +"$!) !"!# $%&$'&!")! 382 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO 4,2 ; 50 (0,4750) → 1,96 = μ = 65 ± 1,96 0,9500 = 0,4750 2 μ = ± σ = 1,96 4,2 66,16 = 65 ± 1,96 (0,59) = 65 ± 1, 16 → 63,84 7,07 μ = 65 ± 1,96 Ejemplo 3!$&!/ *&!"!! 0 *4&# $ !$!/$&!"&!"!!!/$&!" 4&#7$!"!!?!+"$! ) !"!# $%&$'&!")! o = 65 : μ = ± 95% ˆ = 4,2 ˆ −1 μ = 65 ± 2,0595 4,2 25 63,27 65 66,73 -2,0595 0 2,0595 66,73 μ = 65 ± 2,0595(0,84) = 65 ± 1,73 = ⎧⎨ ⎩ 63,27 EJERCICIOS PARA RESOLVER La gran mayoría de los ejercicios de este libro, se encuentran resueltos en el Sistema de Información en Línea SIL. !!?! ! 0$$! "& !)& !+ 0) !/ *& !"!&&@ !!$!/$&!" *0/#7$!$ *&)!# $!"&! !! " 4&#7$! 2$"&*!!k"$* !"!8/!límite !$#/$*&!)! !#$*&)!"!)& !"& !/ *&) !?/+ $9&!8/!)&! &/*&!"&!"!) !< 0* !$!/$&!" 4&#7$! 2$"&*!"!!#$* !?! "$! ! /"&$ !< 0* !)9" !&)& *&$!! ! 0$!/$&! &/*&!"&!"!! centímetros. Determine los límites "!# $%&$'&!")!! !+&*&!)&! &/*&!"&!"!) !< 0* !"! esta universidad. ! 1$! /$&! / *&! "! ! 0 *4&# $ ! )&! "&! ! ! ! )&! " 4&#7$! 2$"&*! ! 0$9&! ) ! límites $*!) !#/&) !"0!$# $*&* !)&!"&!+ 0)&# $&)!# $!/$&!+* 0&0)"&"!")! !$&!muestra "!! 0 *4&# $ !$!/$&!"&!"! !y /$&!" 4&#7$! 2$"&*!"!!1$#/$*! los límites "!# $%&$'&!")! !+&*&!)&!"&!"!)&!+ 0)&#7$ !$&!/ *&!"! !)2$& !"!<** !9&)4&$'&" !# $!)&!#/&)!"*$& ! /!+ !# $!/$&!"&! "!! $'& !!/$&!" 4&#7$!+#&!"! ! $'& !;&)#/)&*!) !) !"!# $%&$'&!&)!$4)!")! !$!3&0*#&$!"!* !2)# !# $!)!%$!"!# $* )&*!)&!&#/"!"!) ! ! 7!/$&! / *&!"! !"!)) !!) !"7!# $! "&!+*# 7$!& !""& ! 0$"& !3/* $ ! !!! !! !!! !!! !!! !!! !!! !!! !! !* !1 !# $!/$! !"!# $%&$'&!) !límites para la media problacional. www.FreeLibros.org CAPÍTULO OCHO PRUEBA DE HIPÓTESIS Y LÍMITES DE CONFIANZA 383 !!w/$#!* ' !"!&)&0*!"!# 0*! &" !"!!* ")) !"!&)&0*!$$!)& ! 9/$ !""& ! "!* $#&!&!)&!* /*&!""&!$!)0*& !!!!!!! !! !!! !!!!!!!!! ! !!! !!!!!!!!! !!! !!!!;&)#/)&*!) !) !"!# $%&$'&!# $!/$! !+&*&!)&!"&! de la población. ! & ! "*$&# $ ! 8/#& ! ")! + *#$&5! "! <** ! "! ! $*&) ! "! /$! "+7 ! )9" ! &)!&'&*!"* $!/$!+* " !"! !!/$&!" 4&#7$!+#&!")! !1 &0)#*!) !) !"! # $%&$'&!# $!/$! !+&*&!)!+ *#$&5!" !"!<** !$!)!"+7 ! $&! / *&! "! ! 0 *4&# $ ! $! /$&! "&! "! ! ! /$&! " 4&#7$! 2$"&*! "! ! 1$#/$*!) !) !8/!$!)! !"!) !#& !+*$!&#*&*!&)!&%*&*!8/!)&!"&!+ 0)&# $&)! queda incluida entre ellos. !1$!/$&!/ *&!"!! 0 *4&# $ !)&!"&! !!!)&!" 4&#7$! 2$"&*!!0$9&!) ! ) !"!# $%&$'&!")! !+&*&!)&!"&!+ 0)&# $&) !1$#/$*!) !) !"!# $%&$'&!")! !+&*&!)&!"&!"!/$&!+ 0)&#7$!$ *&)$!" *0/"&! # $!" 4&#7$! 2$"&*!! !/$&!/ *&! 0$"&!$!"#<&!+ 0)&#7$!+* $&!) ! 9/$ ! 4&) * ! ! ! ! ! ! !!1$!/$&!/ *&!"!!artículos !<&! 0$" !&)!$4)!")! !8/!) !límites "!# $%&$'&!+&*&!+ ! "! " !) !&*#/) !0&*#&" ! $!"!!!! $'& !0$9&!)&!"&!!)&!" 4&#7$! estándar de dicha muestra. !! !+ !$ !$! $'& !"!/$&!/ *&!&)& *&!"!!&** !"!#*4'&! $!) ! 9/$ ! ! ! ! ! ! ! &!!1$#/$*!) !) !"!# $%&$'&!")! !+&*&!)!+ !" !+ *!&** !"!#*4'&!# ** + $"$! a la población de la cual se obtuvo la muestra. 0!1+)&$" !)!* /)&" ! 0$" ! @&)!$! &!/ *&!&)!$4)!")! !8/! !&$$!)&! +* "/##7$!# **$!"!! $'& !"!+* " !+ *!&** !k1+)8/! /!* +/ & !!$! $" !3#/&" !&! !3&)& !"!#)& !"&!*4)7!/$!9& !trimestral!+* " !"!_ ! $!+* "/# !"! #&" *!# $!" 4&#7$!"!_ ! &!!B*$!/$!$*4&) !"!# $%&$'&!")! 0!!k;/2)! !)!2 !** *!#/&$" ! !&%*&!8/!"#<&!"&! !"!_ !# $!/$&!# $%&$'&! del !!1$!/$&!/ *&!"!&&@ !) ! &"&!"!/$&!+ 0)&#7$!$ *&)!) !) !"!# $%&$'&!")! ! para la media de la población son <– ·!! !+"!"*$&*!)&!" 4&#7$! 2$"&*!"!)&!+ 0)&#7$ !?/+ $9& !8/!/$!9*/+ !"!"# !<&! &0)#" !8/! !) !#9&**)) !# $$$!+ *!*$ ! " ! !)9*& ! !2 !"!$# $&! ! 9/* !8/! !+* "/#!#2$#*!"!+/)7$!$!)!3/&" *! Un ensayo sobre 100 cigarrillos de la marca A, muestra que <–!!J!!)9*& !"!$# $&!?! ! &0!8/!!J!!)9*& !&!#&)#/)&*!)!$*4&) !"!# $%&$'&!"! !+&*&!)!# $ / !" !"! nicotina de la marca A de cigarrillos. b) El fumador está dispuesto a correr el riesgo si la media es "3*$!"! !kw/!"# 7$! &*&!&)!$4)!")! www.FreeLibros.org 384 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO !1)! &)&* !medio mensual para una muestra "! ! +*&* !textiles !"!_ !# $!/$&!4&*&$'&! "!_ !{5!) !) !"!# $%&$'&!")! !+&*&!)! &)&* !" !$ /&)!"!) ! +*&* ! en fábricas de textiles. !?!+*/0&!/$&!/ *&!&)& *&!"!!3/ 0) !"!/$&!#*&!&*#&!+&*&!"*$&*!)!+/$ !" ! de ruptura. Los puntos de ruptura medidos en amperios fueron: ! ! ! ! ! a) Fije los límites "!# $%&$'&!")! 0!!F)! $4)! ")! ! + "*&! &%*&* ! 8/! ! * /)&" ! +* &!"!!&+* !"!+/$ !" !"!*/+/*& ! ! $! "3*$ ! &! ) ! @&)&" ! + *! )&! !$&!/ *&!&)& *&!"!! +*&" *& !"!28/$& !+*3 *&" *& !$!0&$# !# *#&) !"!/$&! ciudad, da la siguiente información: X!J!?&)&* !+ *! &$&!"!/$&! +*&" *&6 ( <i <– ) = <i = _ &!!0$9& !/$!$*4&) !"!# $%&$'&!")! !+&*&! &*!)! &)&* !" !+ *! &$&!"!) ! operadores de máquinas perforadoras empleadas por los bancos comerciales de dicha ciudad. 0!!F!/$!$4)!")! !k+ "*&!&%*&* !8/!)!+* " !"! &)&* !+ *! &$&! !"!_ #!!?! ! &0!8/!)!4*"&"* !+* " !"! &)&* ! &$&)! !"!_ !k8/!+ !"!** *! ! estaría cometiendo? !$&!/ *&!"!!3*& # !"!#&3!$ &$2$ ! )## $&" !"!/$!+* # !"!+* "/##7$!" !) ! siguientes valores para el contenido, medido en gramos: ! ! ! ! ! ! ! ! &!!0$9& !/$!$*4&) !"!# $%&$'&!")! !+&*&! &*!)!+ !$ !"!) !3*& # !"!#&3! instantáneo. 0!! *!)&*9&!+*$#&! ! &0!8/!)!# $$" !+* " ! !"! !gramos. Pruebe, al nivel de ! ! !#* !!1)!"+&*&$ !"!*2$ !!*&$ + *!))47!&!#&0 !/$! /" ! 0*!4) #"&"!&!)&!8/!# $"/#$! los automovilistas $!/$&!&/ + &!"/*&$!)& !+**& !< *& !"!)&!&@&$&!!&!!!!&!B/*&$! el tiempo de estudio se detectó que 100 automóviles /4* $!/$!+* " !"!4) #"&"!"! ! O<!# $!/$&!" 4&#7$! 2$"&*!"!!O< a) Estime la media verdadera. 0!1 &0)'#&!/$!$*4&) !"!# $%&$'&!")! !+&*&!)&!"&!"!)&!+ 0)&#7$!#!! */0!&)!$4)! ")! !8/!)!+* " !"!4) #"&"! !"3*$!&)!"! !O<!%5&" !+&*&! &!4&!"/*&$! ! período. DISTRIBUCIÓN DE MEDIAS PROPORCIONALES MUESTRALES = − μ μ = ± www.FreeLibros.org CAPÍTULO OCHO PRUEBA DE HIPÓTESIS Y LÍMITES DE CONFIANZA 385 ¸!)!+* #"$ !"!#2)#/) ! !#& ! )&*!&)!/)'&" !$! 4 !=& !&)9/$ !5+) !8/!&/"&*2$!&! &0)#*!) !) !"!# $%&$'&!tanto para ) cuando la muestra es grande (n > !y "t cuando es pequeña (n !: Ejemplo 1!$&!/ *&!"! !4 &$ !)9" !&)!&'&*!$*!) !habitantes de un barrio, indicaba que )! !"!)) ! &0&$!&!3&4 *!"!/$!#&$""& !Hallar ) !) !"!# $%&$'&!")! o : μ = 0,45 ± 1,96 0,55 0,45 (0,55) = 0,45 ± 0 ,10 → 0,35 100 μ = ± Ejemplo 2!$&!$4 9&#7$!3#/&"&!&! !3&)& !"!#)& !"&!*4)7!8/!$!)&!*&)'&#7$!"! % & !3&)&* !/$! !+*3*&!)!&9/&*"$!&!#/&)8/*! *&!#)& !"!)# *!B*$!) !) !"! # $%&$'&!")! o : μ = 0,62 ± 2,58 (0,62)(0,38) = 400 0,4950 0,4950 99% 0,683 μ = 0,62 ± 0,063 → 0,557 0,557 -2,58 0,62 0 0,683 2,58 Ejemplo 3.!$&!# +&@&!& 9/*&!8/!)! !"! / ! ))& !"!'&$&< *&!9*$&$!?!+)&$&$! ! ))& !"!)& !#/&) !!$ !9*$&$ &!!2)) !/$!$*4&) !"!# $%&$'&!")! !+&*&!)&!+* + *#7$!"! ))& !8/!9*$&* $!$!)&! muestra 0!!; $!0& !$!) !&$* *!" #!&)!$4)!")! !) !8/!&%*&!)&!# +&@& o : a) S = 1 − T μ S = 1 − 8 = 1 − 0,16 = 0,84 50 50 = 0, 4 ± 1,65 b) 1) H0 : p = !! 0, 4 0,16 0, 26 = 0, 4 ± 0,0 6 → 0,754 50 !!0,10! !!sp = ! Ha: p ?!+/"!&#+&*!) ! 3*#" !+ *!)&!+* &!&!8/! ! !$#/$*&!"$* !"!) !) !"!# $%&$'&!+ *!&)! 4 ! !&#+&!)&!<+7 !$/)&!&)!$4)!del! EJERCICIOS PARA RESOLVER La gran mayoría de los ejercicios de este libro, se encuentran resueltos en el Sistema de Información en Línea SIL. www.FreeLibros.org !$&!/ *&!&)!&'&*!"! !#& & !$!/$&!#/"&"!$"#&!8/!! &0&$!" #/+&"& !1 !)&! +* + *#7$!"!#& & !" #/+&"& !$!)&!#/"&"!# $!/$!$4)!"!# $%&$'&!")! !")!!!")! 386 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO !1$!/$&!/ *&!&)!&'&*!"!!)3 $ !"!* "$#& !")!"*# * !"!"))$!!$ !* + $"* $! &!)&!))&&"&!$*!!!!"!)&!$ #<!)!"&!8/! !*&)'7!)&!/ *&!B*$&*!) !) !"! # $%&$'&!")!+ *#$&5!"! / #*+ * !$!#/& !* "$#& !</0 !&)9/$!$*!!!!"!)&!$ #<! ?!&"!8/!$ ! !# $ 7!+ *8/!$ !<&0&!$&"!$!#& &!1)!$4)!"!# $%&$'&!&" +&" ! ! ")! !$! 3&0*#&$! "! 28/$& ! "! &3&*! " #<&0) ! )#&! 8/! ! <&9&! /$&! $4 9&#7$! "! mercados, tomando una muestra de 100 personas empleadas del sector público, obteniéndose que )! !+*%*$! &!&*#&!!+ !"!28/$&!; $!)&!&$* *!$3 *&#7$! !+" &!!{5&*!) !) !"!# $%&$'&!")! !"!)& !+* $& !8/!+*%*$! &!28/$& 0!!1)!3&0*#&$! &!8/!)! !"!) !+)&" !+0)# !+*%*$!"#<&!28/$&6! !+"!&)! $4)!")! !+* 0&*!)&!<+7 !"!8/!$!*&'7$ #!!?! )! + *#$&5! 4*"&"* ! "! +*3*$#&! ! ")! ! "*$&*! 8/! + ! "! ** *! ! 2! cometiendo. !!1$!/$&!$#/ &!"! +$7$!+0)#&! !+* $& !"!/$! &)!"! ! !+* $/$#&* $!$!3&4 *!"! cierto producto. &!!1 &0)#*!/$!$*4&) !"!# $%&$'&!")! !+&*&! &*!)&!+* + *#7$!"!+* $& !8/! 2$! a favor de este producto. 0!!?!)!+* "/# *!&%*&!8/!)! !"!)&! +$7$! !3&4 *&0)!k !+/"!&#+&*!"#<&!& 4*&#7$! al nivel del #!!k; $!8/!9*&" !"!# $%&$'&!+/"!&%*&* !8/!)&!+* + *#7$!"!+* $& !8/! 2$!&!3&4 *! ")!+* "/# ! ! &!$*! !! !!$&!/ *&!&)& *&!"! !#)$ !8/!*&)'&$! / !# +*& !$*!l& !!&!y !+!*4)&!8/! todos, excepto 15, incluyen la leche en sus compras. &!!1 &0)'#&!/$!$*4&) !"!# $%&$'&!")! b) A!$4)!")! !!"!&#/*" !# $!) !* /)&" !")!+/$ !&!k !+ "*2!&%*&*!8/!)!+ *#$&5! "!+* $& !8/!$#)/$!)#<!$! / !# +*& ! !"3*$!&)!&%*&" !+ *!)!9*$!8/$! asegura que es del !1$!/$!0&** !"!)&!#/"&"! !3#&!/$!/ * !+&*&!"*$&*!)&!+* + *#7$!"!3&)& !8/!+ $! un televisor a color. La muestra de tamaño !$"#&!8/!!$$!)4 7$!&!# ) * &! 1 &0)#*!/$!$*4&) !"!# $%&$'&!")! !+&*&! &*!)&!+* + *#7$!"!3&)& !8/!+ $! televisor a color. 0! ?!/$&!$3 *&#7$!"&"&!+ *!)&!;2&*&!"!; *# !&%*&!8/!"! !familias, !+ $! televisor a color, pruebe esta &%*&#7$!&)!$4)!")! DISTRIBUCIÓN DE DIFERENCIA ENTRE DOS MEDIAS MUESTRALES ( ) Se presentan en resumen, fórmulas que deben ser aplicadas de acuerdo al enunciado del problema, dado que cada uno de ellos tiene información diferente. μ =μ −μ =( − )± σ2 + σ2 σ σ www.FreeLibros.org − 1 2 Cuando CAPÍTULO OCHO PRUEBA DE HIPÓTESIS Y LÍMITES DE CONFIANZA μ μ μ =( − − 2 = + − 1) 1+ 2 −2 =( − )± ∑( − )2 + ∑ ( + 2 −2 2 +( S 2 2 sin corregir) 1 + 1 1 1 2 2 2 + 1 2 2 2 ( 1 − 1) )± 1 1 1 =( − − − )± Si 2 2 387 2 − C )2 1 2 ≤ 30 Ejemplo 1. En un experimento llevado a cabo para medir la efectividad de dos abonos en dos parcelas, de !<#2*& !#&"&!/$&!#/)4&"& !# $!&'! ! 0/4* $!)& ! 9/$ !"& !+&*&!)&!+**&!+&*#)&! &0 $&"&!# $!)!+* "/# !F!!#&*9& !+ *!<#2*&6!$!)&! 9/$"&!+&*#)&!!#&*9& !+ *!<#2*&!# $! )!!!)& !" 4&# $ !+#& !"! !! !* +#4&$!k;/2) ! $!) !) !"!# $%&$'&!+&*&!)&! "3*$#&!"!) !+* " !# $!/$&!+* 0&0)"&"!")! o 1 : = 10 2 = 10 = 81,7 μ − = (81,7 − 88,3) ± 2,10 μ − = −6,6 ± 2,10 = 88,3 = 0,7 = 0,8 9 (0,49) + 9 (0,64) 1 + 1 10 + 10 − 2 10 10 4,41 + 5,76 2 18 10 95% μ μ − − = −6,6 ± 2,10 (0,565) (0,20) -7,31 -6,60 -5,89 -2,10 0 2,10 − − 5,89 = −6,6 ± 2,10 (0,34) = − 6,6 ± 0,71 → − 7,31 Ejemplo 2. Pruebas de resistencia en dos tipos de géneros de lana dieron los siguientes resultados (en libras por centímetro cuadrado). TIPO I: ! ! ! TIPO II: ! ! ! ! ! www.FreeLibros.org B*$&*!) !) !"!# $%&$'&!")! 388 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO o : − = 524 = 131 4 = − μ ( − )2 = 810 = 135 6 2 ( − )2 = 110 + 56 = 20,75 8 20,75 20,75 + = 5,19 + 3,46 = 8,65 = 2,94 4 6 = (131 − 135) ± 2,306 (2,94) = − 4 ± 6,78 → − − 2,78 − 10,78 Ejemplo 3! ?! $! &! /$&! +*/0&! ! &)/$ ! "! /$! #/* ! "! stadística, para determinar las "3*$#& !"!*$"$ !$*!< 0* !!/5* !& ! !/5* !$$!/$!+/$&5!" !"! !# $! /$&!" 4&#7$! 2$"&*!"!!!) !!< 0* !/$&!"&!"!!# $!/$&!" 4&#7$! 2$"&*!"!! ¿Cuáles son los ) !"!# $%&$'&!")! !+&*&!)&!"3*$#&!$*!) !+/$&5 !" !"!los hombres y las mujeres? o 1 : = 20 2 ( 1 − 1) 2 +( = 60 − 1) 1+ 2 −2 = − = 25 = 66 2 = 19 1 + 1 2 1 2 99% -20, 7 -2,6 95 − μ − = (20 − 1)361 + (25 − 1)256 20 + 25 − 2 =( − ) ± ˆ − μ − = 16 0 62 8, 7 0 2,695 0 − 1 + 1 = 5,22 20 25 = −6 ± 2, 6 95 (5,22 ) = −6 ± 14,0 7 → 8, 0 7 − 20,0 7 EJERCICIOS PARA RESOLVER La gran mayoría de los ejercicios de este libro, se encuentran resueltos en el Sistema de Información en Línea SIL. www.FreeLibros.org !F!+&**!"!" !/ *& ! 0$"& !"!" !+ 0)&# $ !normalmente distribuidas se obtuvieron los siguientes datos: CAPÍTULO OCHO PRUEBA DE HIPÓTESIS Y LÍMITES DE CONFIANZA MUESTRA A: n1 = 10 <i = <i = MUESTRA B: n = i = i = 389 1$#/$*!)!$*4&) !"!# $%&$'&!")! !+&*&!)&!"3*$#&!$*!)& !"& !+ 0)&# $&) !1$!" !/ *& ! ! 0$$!) ! 9/$ !"& = 60 = 75 ∑ ( − ) 2 = 1.482 1 = 36 2 = 64 ∑ ( − ) 2 = 1.830 1$# $*&*!) !) !"!# $%&$'&!")! !+&*&!)&!"3*$#&!$*!)& !"& !"!)& !+ 0)&# $ ! de donde se seleccionaron las muestras. !?! /)'&! /$&! #&)&! +#&)! +&*&! "*! )& ! &#/" ! "! /$! 9*/+ ! "! < 0* ! ! /5* ! # $! respecto al aroma de cierta marca de desodorante personal. Mientras más altos son los puntos, más favorable es la actitud hacia el aroma. Una muestra de 9 hombres, arroja una media de 5 puntos y /$&!" 4&#7$!+#&!"!!! *&!/ *&!")! !tamaño, aplicado en mujeres, presentó un +/$&5!" !"!!!/$&!" 4&#7$!+#&!"! a) Fije los límites "!# $%&$'&!")! b) Con los datos anteriores, docime si la actitud de las mujeres hacia el aroma es diferente a la de ) !< 0* ! !&!; $ */&!/$!$*4&) !"!# $3&$'&!")! !+&*&! &*!)&!"3*$#&!$*!)& !"& !! problacionales, basado en dos muestras cuyos resultados fueron: n1 = 9 <i = s< = n = i = s = 100 b) Docime si la diferencia es 9$%#&4&!/)'&$" !/$!nivel de 9$%#&#7$!")! ! ?! <' ! /$&! $*4 &! &! ! ! /0"*# * ! ! &! #$# ! ! &$&) & ! "! *#&" ! "! /$&! 9*&$! empresa. Se les preguntó a cada uno sobre el porcentaje óptimo de cobertura de mercado para su compañía. Se obtuvieron las siguientes respuestas: SUBDIRECTORES: FZF`?[F?!B1!1(;FB &!!1 &0)'#&!) !"!# $%&$'&!")! 0!!F)!$4)!")! !k /9*$! !"& !8/!) ! /0"*# * !!) !&$&) & ! 2$!$!" &#/*" ! cuando estiman la cobertura óptima de mercado para la empresa? 150. El advenimiento de materiales sintéticos tales como nylon, poliester y latex, y su introducción al *#&" !<&! / #&" !"0& !&#*#&!"!)&!#&)"&"!!* $#&!"! & !%0*& !# +&*&"& !# $!)& ! %0*& !$&/*&) 6! ! )## $&* $! !%0*& ! $#& !! !$&/*&) ! $" s !J!! g s !J!! g <–!!J!! g !!!!!J!!9! – www.FreeLibros.org &!!1$#/$*!/$!$*4&) !"!# $%&$'&!")! !+&*&!)&!"3*$#&!$!* $#&!"&!$*!)&!%0*&! sintética y la natural. 0!!F)!$4)!")! !k !+ "*2!&#+&*!/$&!"3*$#&!$*!)&!* $#&!"&!"! & !%0*& 390 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO !1)!&/" *!"!/$!0&$# ! &!" !/ *& !/$&!"!!#/$& !# **$ !! *&!"!!#/$& !"! &< ** !+&*&! /"&*!)! &)" !&)!%$&)'&*!/$!&@ !$# $*&$" !) ! 9/$ MEDIAS ;1Z[F?!C((`1Z[ES ;1Z[F?!B1! AHORRO Saldo promedio (en miles) ! ! Desviación típica 150 ! Z !"!+ersonas con cuentas con más de dos !años &! &))&*!$*4&) !"!# $%&$'&!")! !+&*&!)! &)" !+* " !"!#/$& !# **$ 0! k?!+/"!&#+&*!&)!$4)!"! !8/!)! &)" !+* " !"!)& !#/$& !"!&< ** ! !& *!&! $1.000.000? c) ¿Se puede aceptar que la proporción de los que tienen cuenta corriente hace más de dos años es & *!")! !&)!$4)!")! "! k?!+/"!&#+&*!&)!$4)!")! !8/!)&!4&*&0)"&"!$!) ! &)" !"!#/$& !# **$ ! ! diferente a la de las cuentas de ahorro? ! k?!+/"!&#+&*!&)!$4)!")! !8/!)! &)" !+* " !"!)& !#/$& !# **$ ! !$ *!8/! el de las cuentas de ahorro? ! ! /"&$ ! 8/! ! &*#/)&* $! $! /$! #/* ! "! $4 9&#7$! "/#&4&! 3/* $! " *0/" ! &)! &'&*! $! " ! 9*/+ ! 1)! 9*/+ ! A! # $3 *&" ! + *! ! &)/$ ! /)'7! $/* & ! #$#& ! ! &#4"&" !+&*&!$*8/#*!)!#/* ! 0/4 !# !*$"$ !/$&!#&)%#&#7$!+* " !"!!! /$&!" 4&#7$!+#&!"! 6!$*& !)!9*/+ !B, estudió mediante el método tradicional de apuntes !# $3*$#& !# $3 *&" !+ *!!&)/$ !/4 !/$!*$"$ !# $!+* " !"!!!" 4&#7$! +#&!"! !; $ */*!)!$*4&) !"!# $%&$'&!")! DISTRIBUCIÓN DE DIFERENCIA ENTRE DOS PROPORCIONES 2 MUESTRALES 1 Generalmente se aplican dos fórmulas, dependiendo del tamaño de las muestras, éstas son: μ 1− 2 =( 1 − 2) ± μ 1− 2 =( 1 − 2) ± 1 1 1 −1 1 1 + + 2 2 2 −1 2 1 2 C 1 2 ≤ 30 C 1 2 > 30 2 Ejemplo 1!1$! /$&! / *&! &)! &'&*!"! ! &"/) ! ! ! &" ) #$ ! 8/! 4&$!#* !+* 9*&&!"! televisión, 50 adultos y 150 adolescentes dijeron que les 9/ &0&!&))&*!) !) !"!# $%&$'&!")! ! para la diferencia de proporción de adultos y adolescentes que ven televisión. o : 1 μ 1− 2 =( 1 − 2) ± 1 1 + = 50 = 0,25 200 2 2 www.FreeLibros.org 1 2 2 = 150 = 0,50 300 CAPÍTULO OCHO PRUEBA DE HIPÓTESIS Y LÍMITES DE CONFIANZA μ 0,25(0,75) 0,5(0,5) − 0,17 = −0,25 ± 0,08 → + − 0,33 300 200 = (0,25 − 0,50) ± 1,95 1− 2 391 Ejemplo 2!?!" &!"*$&*! !<&!&)9/$&!"3*$#&! 9$%#&4&! 9$!el sexo, en la preferencia por margarina !&$8/))&!?!*&)'7!/$&!/ *&!&leatoria $*!!< 0* !!!/5* !$"#&$" ! 8/!!! !* +#4&$!+referían la margarina a la mantequilla. &!!1 &0)'#&!) !"!# $%&$'&!")! !+&*&! & !"3*$#& 0!! */0!)&!<+7 !"!8/!)&!"3*$#&! ! 9$%#&4&!&)!$4)!")! o : = 16 = 0,62 26 1 μ 1− 2 0 : : 2 = 10 = 0,55 18 0,62(0,38) 0,55(0,45) 0,38 + = 0,07 ± 0,31 → − 0,24 25 17 = (0,62 − 0,55) ± 2,018 = 1 ≠ 1 ∝= 0,05 = 26 + 18 − 2 = 42 ∝ = 0,05 2 2 P1 - P!J! !6!)!#* ! 2!"$* !"!) !) !"!# $%&$'&!+ *!) !&$ !&#+& !0, es decir, no <&!"3*$#&!$!)&!+*3*$#&!"!&#/*" !&)! !&)!$4)!")! !1$! !#& !< !/)'&" ! “t” para muestras pequeñas. Ejemplo 3.!1$!/$&!/$4* "&"!"! 9 2! ! &!/$&!/ *&!&)& *&!"! !/5* ! !"!)& ! cuales indican que están a favor de la supresión de los exámenes preparatorios y la sustentación de tesis $!+0)# !1$!/$&!/ *&!"! !< 0* ! !$"#&$!8/! 2$!&!3&4 *!"!) ! &!!; $ */&!) !) !"!# $%&$'&!")! !+&*&!)&!"3*$#&!$!)& !+* + *# $ !"! "& !)& ! alumnas y alumnos, que están a favor de la supresión de los preparatorios y sustentación. 0!!B #!&)!$4)!")! ! !)&!"3*$#&!$*!)& !+* + *# $ ! ! 9$%#&4&!+&*&!)) !/)#!)! punto (a). o : 1 μ = 300 = 0,50 600 1− 2 0 = (0,50 − 0,60) ± 1,95 :μ =μ 2 :μ 1 ≠ μ 2 1 2 = 240 = 0,60 400 (0,5)(0,5) (0,6)(0,4) − 0,0378 + = −0,10 ± 0,0622 → − 0,1622 600 400 ∝ = 0,05 1− 2 = 0,032 Pp1 – Pp = !$ ! !/0#&!"$* !"!) !) !"!# $%&$'&!! !*#<&'&!la hipótesis nula, es decir, que )&!"3*$#&!$*!)& !+* + *# $ ! ! 9$%#&4&!&)!$4)!")! www.FreeLibros.org 392 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO EJERCICIOS PARA RESOLVER La gran mayoría de los ejercicios de este libro, se encuentran resueltos en el Sistema de Información en Línea SIL. !$!#&$""& !&!)&!&)#&)"&!"!)&!#&+&)!*&)'&!" !$#/ & !"!&&@ ! !&!+* $& !$&#"& ! en la ciudad y 150 que viven permanentemente pero nacieron en otras ciudades, para determinar la proporción de personas que estarían dispuestas a votar por él. Los resultados a favor fueron de !!!* +#4&$ a) Fijar límites "!# $%&$'&!")! !+&*&!)&!"3*$#&!$*! & !+* + *# $ ! 0!!k?!+/"!&%*&*!&)!$4)!")! !8/!<&!/$&!"%#$#&! 9$%#&4&!entre los porcentajes? !!?! 8/*! + $*! $! &*#<&! /$! +)&$! "! $#$4 ! &)! +* $&)! "! /$&! +* &! *! ) ! &$ ! ! *&)'&$! " ! / *& ! &)& *& ! /$&! "! tamaño ! ")! +* $&)! "! %#$&! ! ! ")! +* $&)! "! operarios (planta). Recogida la información se encontró que el número de personas a favor de la +* +/ &!"!)&!"*#4&!3/!"! !!!respectivamente. a) Fije límites "!# $%&$'&!")! !+&*&! la diferencia del porcentaje de estas opiniones; b) ¿cree usted que los anteriores resultados permiten concluir que la aceptación de la nueva política de incentivos es igual para empleados y operarios? Z4)!")! !1)! !"!&9 !/$&!$#/ &!&! !)# * !$!/$!0&** !"!)&!#/"&"!$"#7!8/! ! &0&$!&! 3&4 *!")!#&$""& !!$! !" +/ !/$&!$#/ &!&! !)# * !$"#7! 7) ! !&!3&4 *!")! mismo candidato. a) Fije los límites "!# $%&$'&!")! 0!!)'&$" !/$!$4)!"! 9$%#&#7$!")! !k$"#&!)&!&$* *!$3 *&#7$!8/!)&!+ +/)&*"&"! del candidato disminuyó entre las dos muestras? !!1)! "*# *! "! /$&! " *&)! "! ! +&*&! #/$"&*&! "0! "#"*! 0*! )&! +/0)#&#7$! "! /$! texto, siempre que las preferencias entre los colegios privados y públicos sean iguales. Selecciona dos muestras de tamaño !!!* +#4&$!$# $*&$" !&#+&#7$!"!!! !# )9 !B! &#/*" !&! !* /)&" !%5!) !"!# $%&$'&!")! !+&*&!)&!"3*$#& !!$&! +* &! # *#&)'&" *&! 8/! 3*#! " ! & ! "! +&9 ! &! / ! #)$ ! " &! &0*! )&! +* + *#7$! "! #/$& ! + *! # 0*&*! # $! 2 ! "! ! "& ! "! 4$#"& ! 1$! )! +**! &! )&! +* + *#7$! !")! !$*& !8/!$!)! 9/$" !")! !{5!) !"!# $%&$'&!")! ! +&*&!)&!"3*$#&!$*! & !" !+* + *# $ !#/ !&&@ !/ *&) !3/* $!!! !#)$ ! respectivamente. !!1$!/$&!#/"&"!<&!" !)9& !"!0&) $# !# $!*4&)"&"!$!#/&$ !&!)&!#&)"&"!"! / !5/9&" * !! "!$# &" * !$!"+ * &!+* + $! )## $&*!&)!&'&*! !5/9&" * !"!#&"&!)9&!"!&)!&$*&! 8/!#&"&!5/9&" *!)&$#!/$&! )&!4'!" "!/$!"*$&" !+/$ !(&)'&" !) !)&$'&$ ! ! $# $*7!8/!!"!)&!)9&!F!!!"!)&!)9&!!$# &* $!{5!límites "!# $%&$'&!")! !+&*&!)&! diferencia entre las proporciones. www.FreeLibros.org Nota: De aqui en adelante se presentan ejercicios misceláneos lo cual permite repasar lo ^ CAPÍTULO OCHO PRUEBA DE HIPÓTESIS Y LÍMITES DE CONFIANZA 393 159. Un proceso está programado para empacar la cantidad media de una libra de café. Se toma una / *&!&)& *&!"! !+&8/ !* /)&$" !/$&!"&!"!! $'& !!" 4&#7$! 2$"&*!"!! $'& !F)!$4)!")! ! !+ "*&!&%*&*!8/ !&!k ! 2!4$"$" !/$!+* "/# !+ *!"0&5 !"! /! + !0!k !)!4&) *!4*"&"* ! !"!! $'& !$!)&!+*/0&!&$* *! !# 7!** *6!#!k"!8/! tipo fue el error? !$!$4* $ &!" &!"#"*!$*!" !+ !"!4&) * ! &*&!)) !#/$&!# $!)&! 9/$!$3 *&#7$! acerca del rendimiento expresado como porcentaje del precio. VALOR A: VALOR B: 9,9 F)!$4)!")! !k /9*$! !"& !8/!)!4&) *!!+* "/#!/$&!/)"&"!& *!8/!)!valor A? !1)!9*$!"!/$&!# +&@&!*&)'&!" !/ *& !"!&&@ ! !+)&" !#&"&!/$&!# $!)!%$!"! determinar el porcentaje de ausentismo. En la primera fábrica durante la semana de observación no & * $!!+* $& !$*& !8/!$!)&! 9/$"&!320*#&!$ !& * $!!+)&" !kF)!$4)!")! ! !+ "*2!&%*&*!8/!)&!& $#&!$!)&!+**&!320*#&! ! /+* *!&!)&!segunda? !?!*8/*!# +&*&*!)!$4)! &)&*&)!"!) !+)&" !"!" !+* & !?! )#&!$3 *&#7$! &!)&!+**&!"!))&!!*+ *&!8/!$!/$&!/ *&!&)& *&!"!!+)&" !)!$9* !+* " ! $ /&)! !"!_!) !"!_!# $!/$&!" 4&#7$! 2$"&*!"!_!) !"!_ ?!)9!$!)&! 9/$"&!+* &!/$&!/ *&!&)& *&!"!!+)&" !# $! /)" !$!) !"!+!& !_!!!_)!!!_!!!_!!!_ !!!_!!!_ !!!_ {5&*!) !"!# $%&$'&!")! !!+* 0&*!# $!"#< !* /)&" ! ! !/$&!"3*$#&! &)&*&)!$! )& !+ 0)&# $ !"!+)&" !"!)& !" !+* & !&)!$4)!")! !$!" *0/" *!"!)#<!&%*&!8/!)!# $$" !" !"!9*& &! !"! !9O!##!?! &!/$&! / *&!$! !*#+$ !! !$#/$*&$!) ! 9/$ !* /)&" !!!!!!!!!! !!!!!!!! !!! !!!!!!!!kF)!$4)!")! ! !+/"!&#+&*!)&!&%*&#7$ !?!<' !/$&!$*4 &!&!! /0"*# * !!&!#$# !&$&) & !"!*#&" !"!/$&!9*&$!+* &!?!) ! preguntó, a través de estas dos muestras aleatorias, cuál consideraban que debería ser el porcentaje óptimo de cobertura de mercado para su compañía. Los resultados fueron: SUBDIRECTORES: ANALISTAS DE MERCADO: &! 1 &0)'#&!) !"!# $%&$'&!")! !+&*&!)&!"3*$#&!$*!) !+* " !"!+ *#$&5 0! F)!$4)!")! !k /9*$! !* /)&" !8/!) ! /0"*# * !!&$&) & ! 2$!$!" &#/*" ! cuando estiman la cobertura de mercado para la empresa? www.FreeLibros.org 394 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO ! $&! +* &! "! &$/3&#/*& ! # $ "*&! 8/! # $* )&! )! ! ")! *#&" ! "! #9&**)) ! &*&! # +* 0&*!) !&$* *! ! &!/$&!/ *&!"! !3/&" * !! !) !+*9/$&! 0*!)&!&*#&!"! #9&**)) !8/!+*%*$!# $!/$!* /)&" !"!!8/!+*%*$! &!&*#&!F)!$4)!"! !k !+ "*2! &%*&*!8/! !+ *#$&5! !# **# !$!3&0*#&$!9&*&$'&!8/!)&!* $#&!+* " !&!)&!$ 7$!"!) ! *$)) !F!#"!&!) !"! B. Se toman dos muestras de 50 cada una, con los siguientes resultados: tornillo A con resistencia +* " !&!)&!$ 7$!"!!9!!" 4&#7$! 2$"&*!"! !9!$*& !8/!) ! *$)) !"!)&! &*#&!! *&* $!!9!!!9!* +#4&$!F)!$4)!")! !# +* 0&*!)&!&%*&#7$! del fabricante. !!B !+)&$& !/)'&"& !+ *!/$&!320*#&! !#*!8/!+* $&$!"3*$ !+ *#$&5 !"!# $&$&#7$! como consecuencia de ser alimentadas con combustibles diferentes. Durante un determinado +* " ! ! &$! !/ *& !"!&*!"!)&!+)&$&!F!# $!$4) !")! !"!)& !4# !$*& !8/! *&!/ *&!"! !*5&!$4) !")! !"!)& !4# !k?!+/"!# $ "*&*!8/!)&! 9/$"&!+)&$&! +* $&!$ * !$4) !"!# $&$&#7$!Z4)!"! 9$%#&$#&!")! !!&! #*&*&!"! &)/"!8/*! &0*! ! 2!$!) !#* !#/&$" !&%*&!8/!)&!+* + *#7$!"!3/&" * ! $! /! ) #&)"&"! +&*&! +* $& ! & * ! "! ! &@ ! ! ")! ! &! #*&*&! ))4&! &! #&0 ! /$&! / *&!"! !+* $& !& * !"!!&@ !"!)& !#/&) ! ! $!3/&" *& ! */0!)&!<+7 ! "!8/!)&!+* + *#7$!"!3/&" * !& * !"!!&@ ! !"3*$!")! !+&*&!©J! !!1)!9*$!"!+* "/##7$!0& &" !$! /!+*$#&!<&!"*$&" !8/!/$&! +*&#7$! +#%#&! *8/*!"!/$!+ !+* " !"!!$/ !1)!9*$! +#<&!8/! /!+* $&)!*8/*!"! /$! + ! +* " ! "3*$! &! ) ! ! $/ ! ! + *! &)! *&'7$! *&)'&! /$&! / *&! $! ! "! / ! *&0&5&" * !# $!) ! 9/$ !* /)&" !!!!!!!!!!!!!!!!!!!!!!!!k1 ! válida la sospecha que tiene el gerente? !!$!$4 9&" *!"!*#&" !/)'&!" !" !+&*&!+/) &*!)& !4$& !"! /!+* "/# !!" &! saber si un medio es superior al otro en el aumento de las ventas. Discuta de manera completa cómo debe llevar el experimento, estableciendo las suposiciones necesarias que le permitan obtener conclusiones. !$!# $ &!8/!*&0&5&!$!)!"+&*&$ !"!*#/* !</&$ !" &!"*$&*! !)&!& &!"! " +) !$!" !9*&$" !#/"&" !")!+& ! $!"3*$ !; $!0& !$!/ *& !&)& *& !"! ! +* $& !$!#&"&!#/"&"!$#/$*&!!+)&" !$!/$&!!!$!)&! *&!; $!/$!$4)! !k ! *&'7$!+&*&!&%*&*!8/!)&!& &!"!" +) !$!)&! 9/$"&!#/"&"! !2 !0&5&!8/!$!)&!+**& !1+)8/!#&"&!/$ !"!) ! 9/$ !+/$ &!k;/2)! !)&!%$&)"&"!"!/$&!+*/0&!"!<+7 0!k;/2$" ! !"0!/)'&*!)&!" *0/#7$!¶¶!"!?/"$ c) ¿Cuándo se comete un error de tipo I? www.FreeLibros.org "!k; ! !"%$!)&!$3*$#&! &" #& CAPÍTULO OCHO PRUEBA DE HIPÓTESIS Y LÍMITES DE CONFIANZA 395 !1)!+ !+* " !+&*&!8/!/$&!+* $&! !$ 8/! &$" !+/ !&!/$&! / &$#&!8/#&! !"!!$/ !1$!/$&!/ *&!"! !+* $& ! !$#/$*&!8/!)!+ !+* " ! !"!! $/ !# $!/$&!" 4&#7$! 2$"&*!"!!$/ ! */0!)&!&%*&#7$!# $*&!)&!&)*$&4&!"! 8/!)!+ !" ! ! /+* *!&!) !!$/ !!!J! !B #/&!) ! 9/$ !+/$ a. ¿Qué se debe entender por estimación puntual? 0!k1$!8/!"%*!)&! &#7$!+/$/&)!"!)&! &#7$!+ *!$*4&) c. ¿Qué se entiende por grados de libertad? "!kw/! !/$!$*4&) !"!# $%&$'& !kw/! 9$%#&$!) !*$ !<+7 !$/)&!!<+7 !&)*$&4& 3!k *!8/! !+ 0)!8/!)&!<+7 !$/)&! &!*#<&'&"&!#/&$" !"!<#< ! !#*& g. ¿Cuándo se presenta una prueba unilateral a la derecha? !& !$ *& !"!/$&!# +&@&! 0*!)! *4# !&!) !#)$ ! +#%#&$!8/!$ !2 !")! !"!) ! +"" !"*# !+ *!# ** !$ !))9&$!&)!&)&#$!+&*&! *!#/+)" !"$* !"!)& !!< *& !"! /! *#0 !?! 7!/$&!/ *&!"!!+"" !"!) !#/&) !!8/"&0&$!3/*&!")!)!"!)& !! < *& !k?!5/ %#&! /+ $*!8/!)!*8/ !")! !$ ! ! &0&!#/+)$" APLICACIÓN CON EXCEL LÍMITES O INTERVALOS DE CONFIANZA PARA LA MEDIA ARITM TICA MEDIANTE EXCEL Muestra grande n 30 Fórmula: μ = x ± z s n &*&!)!#2)#/) !"! !) ! &* !# !5+) !)&!# )/$&!;F`{`;F;`Z1?! 0$"& !+ *! ) !&)/$ !$!)& !+*/0& !")!`;{1?!8/!&+&*#$!$!)&![&0)&!Z !!B! &! )##7$!< ! &" ! para el desarrollo de la aplicación en Excel una muestra de 50 alumnos de una población total de 1100 &)/$ !=*!$3 *&#7$!$!)!?`! 9/$"&!+&* 1$!)&![&0)&!Z !!)&!$3 *&#7$! !/0#&!$!)&!# )/$&!!+&*&!)&! )##7$! !$!$!#/$&!/$! *&$9 !$*!!<& &!! $" !!)&!#)"&!# ** + $"$!&)!$ 0*!"!)&!# )/$&!8/!+&*&! ! #& !# ** + $"!&!;F`{`;F;`Z1?6!!)!* ! !"#*!)!*&$9 !# $+)&" !$*!!<& &!! son los datos de la muestra. ?)## $& !$!!)&!%#<&!BF[?!)!# $ !FZª`?`?!B1!BF[? www.FreeLibros.org F+&*#! /$! #/&"* ! "! "2) 9 ! # ** + $"$! &! FZª`?`?! B1! BF[?! )## $& ! 1?[FB§?[`;F!B1?;(` [`=F!!<&# !;`;!$!F;1 [F( 396 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO {9/*&!Z !!F$2) !"!B& 1$!)!#/&"* !"!"2) 9 !"!)&!%9/*&!8/! 9/!"9& !) !"& !8/!$ ! )#&$ {9/*&!Z !!1 &" #&!B #*+4& www.FreeLibros.org CAPÍTULO OCHO PRUEBA DE HIPÓTESIS Y LÍMITES DE CONFIANZA 397 (FZ ! B1! 1Z[(FBF! $! &! #& ))&! #)& ! ! 8/! # ** + $"! &)! *&$9 ! "! )&! muestra seleccionada. F#4& !<&#$" !;`;!$!(«[?! (`1(F!{`F!!(1?1Z!B1!1?[FB§?[`;F? {$&)$! &0)# !)!(FZ !B1!?F`BF!$!$/ * !#& !/0#& !)&!#)"&!$!Z!! hacemos CLIC en ACEPTAR. {9/*&!Z !!;/&"* !"!`$3 *&#7$!1 &" #&!B #*+4& {9/*&!Z !!;/&"* !"!( /)&" www.FreeLibros.org 398 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO s ?! *+)&'& ! ) ! * /)&" ! $! )&! ! 9/$! +* 7$! )z n tenemos: Con un nivel de s # $%&$'&!")! !'! &!/$!4&) *!"!6!!!!z n corresponde al error típico, y toma un valor "!! *!&$ !)!+* "/# !"!!º!!$ !"&!# !* /)&" ! !&)!# !&+&*#! $!)&! 9/$!%9/*&!$!)&!#)"&! Lo anterior implica que podemos cambiar el valor de '!"+$"$" !"!)&!# $%&$'&! &0)#"&! F)9/$ !"!) !* /)&" !8/!&+&*#$!$!)!#/&"* ! *2$!/)'&" !+&*&!"*$&*!) !) {9/*&!Z !!;2)#/) ! !"!; $%&$'& ߤƸ s =3247 ߤƸ = 312 ± 12 70 ߤƸ i = 2993 Lo anterior son los límites de confi&$'& de)! !para μ Para muestras peque as < 30 Fórmula: μ = ± B&" !8/!/$&!/ *&!+8/@&!# ** + $"!&!"& !$ * ! !9/&) !&! ! 7) ! &* !) !+** ! 4$! !"& !"!)&![&0)&!Z !!"!)&!# )/$&!! ! !/$&!/ *&!"!&$! ) !4$! /"&$ ! &!#&*&#* #&! 9/*2! $" !;F`{`;F;`Z1?!!)!*&$9 !8/!4& !&! )## $&*!# ** + $"!&! www.FreeLibros.org CAPÍTULO OCHO PRUEBA DE HIPÓTESIS Y LÍMITES DE CONFIANZA 399 !F"2 !)&!# $%&$'&!!)&!<+7 ! $!)& ! & !8/!/)'& !+&*&!)!5+) !"!/ *& ! grandes. &# !;`;!$!)&!%#<&!BF[?!! )## $& !)&! +#7$!FZª`?`?!B1!BF[? &# !;`;!$!)&! +#7$!1?[FB§?[`;F!B1?;(` [`=F!$!)!#/&"* !"!"2) 9 !8/!$ ! aparece. {9/*&!Z !!F$2) !"!B& En el cuadro de diálogo que resulta del proceso anterior, tecleamos y seleccionamos las siguientes opciones: (FZ !B1!1Z[(FBF!$!$/ * !#& !)!*&$9 !"0*2! *! )## $&" !#)&$" ! («[?!1Z!F! (`1(F!{`F! !# $ !"0*2! *! )## $&" !<&#$" !;`;!$!)! cuadro que le antecede. ! !"0*2!<&#* !# $!)!!(1?1Z!B1!1?[FB§?[`;F? B! *&!+&*! !+* #"!&!"*$&*!)!Z`=1!B1!;Z{`FZF!8/!$! !#& !# !$!) ! &$* * !5+) ! !")! !+ *!) !&$ !"0 !#)&*!!$! &!#& ))& Z !3&)&! &0)#*!$/ * !(FZ !B1!?F`BF!+&*&!)) ! )## $& !)&!#)"&!" $"!) ! /0#&* !$!$/ * !#& ! @&)& !)&!#)"&!Z!!<&#$" !;`;!$!F;1 [F(! !+ 0)! observar los siguientes resultados: www.FreeLibros.org 400 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO {9/*&!Z !!!1 &" #&!B #*+4& 0 *4 !8/!)!#/&"* !"!* /)&" !&+&*#!$!)&!# )/$&!Z!!!&!+&**!"!)&!!<& &!)&!)$&! {9/*&!Z !!;/&"* !"!( /)&" www.FreeLibros.org CAPÍTULO OCHO PRUEBA DE HIPÓTESIS Y LÍMITES DE CONFIANZA ฎ Ɋ = ത ± t 401 ୱ ξ୬ 312.48 ฎ Ɋ = 3085 ± 2093 ଽǤ଺଴ ξଶ଴ ฎ Ɋ = 3085 ± 448 = 30352 & !'$()*# !"!#$ Síntesis de capítulo Hoy en día, se cuenta con cientos de procedimientos de pruebas estadísticas que pueden ser aplicadas a diferentes situaciones. Las más importantes se describen ampliamente en los dife + ( ( / 6 7 con la guía de cómo hacerla. En esta unidad sólo se tomaron en cuenta cuatro tipos de pruebas, a saber: de una media aritmética; de una proporción; de la diferencia entre dos medias y la diferencia entre dos proporciones. Además del desarrollo de estas pruebas, aplicadas en muestras grandes (n > !"? @ muestras SHTXHxDV (n !"? BC D ( + mientos en la estimación puntual y de intervalos. Se habla de HVWLPDFLyQSXQWXDOpara designar el simple número que uno da a su mejor estimación correspondiente a una cantidad desconocida. (VWLPDFLyQGHLQWHUYDORson dos números en & ( o de seguridad. Tales intervalos suelen llamarse OtPLWHVGHFRQ¿DQ]D y fueron introducidos en EEUU por prime F@ GI '!J# La noción de prueba estadística, casi siempre, es nueva para el estudiante que se inicia en este campo del saber; generalmente, sin conocimiento, en muchas oportunidades las aplica. En general, se puede decir que el objeto de una prueba es proporcionar respuestas a diversos cues ( # K capítulo, se emplea la palabra prueba para FLHUWRRIDOVR, es decir, siempre se van a tener dos posibilidades: que sea diferente (PD\RURPHQRU) o igual. Las hipótesis, para que sean de carácter estadístico, requieren hacer referencia a un valor estadístico, luego no todas las hipótesis son de carácter estadístico. Para ello es necesario la ex & ( obtiene reuniendo datos a través de muestras aleatorias, para luego ser examinadas, calculando el estimado correspondiente. Se puede decir que la prueba estadística sólo es, por tanto, el procedimiento experimental que se sigue cuando se quiere saber si es probable que una hipótesis estadística sea cierta. www.FreeLibros.org Q ( @ / KLSyWHVLVQXOD; KLSyWHVLVDOWHUQDWLYD; SUXHEDVXQLODWHUDOHVy ELODWHUDOHV; QLYHOGHVLJQL¿FDQFLD; regiones criticas V & ? @ regiones de aceptación. www.FreeLibros.org CAPÍTULO UNO CONCEPTOS GENERALES 9 Otras pruebas de hipótesis La inteligencia consiste no sólo en el conocimiento sino también Conocimientos en la práctica. Aristóteles 403 CONTENIDO Pruebas de hipótesis aplicadas a: W @ # X # Y # Observaciones apareadas. Chi cuadrado. Prueba del signo. Correlación de Spearman. Prueba de T de Wilcoxon. Prueba de U de Mann-Whitney y de ] ^_ ` # Síntesis de la Unidad. Ejercicios para Resolver, resueltos en el Sistema de Información en Línea SIL. COMPETENCIAS El estudiante deberá estar en capacidad de: Distinguir en qué casos en particular se debe aplicar cada una de las pruebas. Y @ hacer correctamente su interpretación. Entender con claridad los conceptos de poblaciones independientes y dependientes. w paramétricas y no paramétricas. Manejar correctamente las tablas que # www.FreeLibros.org 404 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO ALGUNOS ASPECTOS GENERALES En los capítulos que anteceden, los temas tratados correspondían a GLVWULEXFLRQHVPXHVWUDOHV, todas ellas ( distribuciones paramétricas y SREODFLRQHVLQGHSHQGLHQWHV En este capítulo, nos dedicaremos en gran parte a las Distribuciones no paramétricas y algunas provenientes de poblaciones independientes de gran aplicación en las ciencias sociales. PRUEBA DE HIPÓTESIS DE UNA VARIANZA En gran parte, por no decir que en su totalidad, las unidades dedicadas a la Inferencia estadística van & { ( ( tuirse en medidas más importantes que el promedio, pues este último, vale la pena recordar, es un punto de estimación, siendo aquel valor que consideramos típico, pero que no siempre lo va a ser, dado que depende del grado de variabilidad para ser representativo de un conjunto de observaciones. Primero, se hará referencia a la prueba de una VRODYDULDQ]D obtenida mediante una muestra aleato( 6 GRVYDULDQ]DV, supuestamente iguales en la población, cuando corresponde a dos muestras aleatorias independientes provenientes de distribuciones normales. Partimos suponiendo que se tiene una SREODFLyQQRUPDO con media µ @ V| # 6 6 +0 : σ 2 =1 σ0 2 Hipótesis nula: + 0 : σ 2 = σ 02 } | La alternativa puede ser: + : σ 2 ≠ σ 2 tadas también como: + :σ2 ≠ 1 σ0 2 + : σ 2 > σ 02 + : σ 2 < σ 02 que pueden ser presen- + :σ2 >1 σ0 + :σ2 <1 σ0 2 'LIHUHQWH 2 0D\RU 0HQRU ~ chi-cuadrado con n –1 grados de libertad y está dada de la siguiente manera: ( 1) χ2 = Q− 2 σ0 V2 Recordemos que n ' libertad. X valores críticos. XV ? & @ www.FreeLibros.org Establecer la hipótesis : Nivel de significación: +0 : σ 2 = 1 σ0 2 ∝ + :σ 2 ≠1 σ0 2 CAPÍTULO NUEVE OTRAS PRUEBA DE HIPÓTESIS 405 ⎧D. PXHVWUD DOHDWRULD ⎨E. SREODFLyQ QRUPDO ⎩ Establecer los supuestos: Formular la variante estadística: Determinar los valores críticos χ 2 V2 = υ σ 02 ⎛ χ2 ⎞ ⎟⎟ ⎜⎜ ⎝ υ ⎠ ∝ ;υ ⎛ χ2 ⎞ ⎟⎟ ⎜⎜ ⎝ υ ⎠1− ∝ ;υ 2 2 Calcular el valor estadístico, analizar y adoptar la decisión. Ejemplo 1. Docimar la hipótesis de que V *( ǅ '" $"# Solución: 1) + 0 : σ 2 = σ = 1 σ 0 64 2 2 + :σ ≠1 64 2 2) ∝= 0,05 3) a) La muestra es aleatoria b) La población es normal RC ZA 0,469 RC 1,73 χ 2 V2 e) υ = Q − 1 = 20 − 1 = 19 = υ 64 VX #' 6 )" ~ 4) ⎛ χ2 ⎞ ⎜⎜ ⎟⎟ = 0,469 ⎝ υ ⎠ 0, 025 ; 19 ⎛ χ 2 ⎞ V 2 100 5) ⎜⎜ υ ⎟⎟ = 64 = 64 = 1,56 ⎝ ⎠ ⎛ χ2 ⎞ ⎜⎜ ⎟⎟ ⎝ υ ⎠ 0,975 χ2 ) υ = 1,73 ; 19 "( ) '( '(J!( { ( @ )# Ejemplo 2. Para obtener los límites para s siendo: s '" s2 '"" X ' n $" ( Solución: ⎛ χ2 ⎞ ⎜⎜ ⎟⎟ = 0,469 ⎝ υ ⎠ 0, 025 ; 19 ⎛ χ2 ⎞ ⎜⎜ ⎟⎟ = 1,73 ⎝ υ ⎠ 0,975 ; 19 (ver tabla 9.1 de percentiles) www.FreeLibros.org 0,469 < χ2 V2 1 >σ2 > 1 ⇒ 1 > σ2 > 1 < 1,73 ⇒ 0,469 < 2 < 1,73 ⇒ 2 υ 0, 469 V 1,73 0,469 100 1,73 σ 406 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO 100 > σ 2 > 100 ⇒ 0,469 1,73 10 > σ > 10 ⇒ 10 < σ < 10 ⇒ 7,60 < σ < 14,62 1,315 0,684 0,469 1,73 Ejemplo 3. K ( 7 # ( # ( *' ( ( / 6 *" & ( + ampolletas de la marca A, ha mostrado una desviación estándar de 90 horas. Si se admite que no existe experiencia entre las dos marcas, se trata de docimar la hipótesis de que la desviación estándar de las bombillas marca B es igual al de la marca A. Solución: ⎧ σ2 σ2 ⎪⎪ + 0 : σ 2 = 90 2 = 1 0 a) ⎨ 2 ⎪+ : σ ≠ 1 ⎪⎩ 90 2 b) ∝ = 0,05 RC ˆ2 χ2 = V2 υ 90 c) ⎛ χ2 ⎞ e) ⎜⎜ υ ⎟⎟ ≤ 0,714 ; ⎝ ⎠ ZA RC 0,469 1,73 ⎛ χ2 ⎞ ⎟⎟ = 0,714 ; d) ⎜⎜ ⎝ υ ⎠ 0, 025 ; 80 ⎛ χ2 ⎞ ⎜⎜ ⎟⎟ ≥ 1,33 ⎝υ ⎠ χ2 υ ⎛ χ2 ⎞ ⎜⎜ ⎟⎟ = 1,33 ⎝ υ ⎠0,025 ; 80 ⎛ χ 2 ⎞ 80 2 ⎟⎟ = 2 = 0,79 f) ⎜⎜ ⎝ υ ⎠ 90 2 Aceptamos + 0 : σ 2 = 1 , por lo tanto las desviaciones estándar, pueden considerarse iguales. 90 Tabla 9.1 De percentiles de la distribución υ 1 2 3 4 5 . . .05 $ ––– X 1.0 .... .1 .5 1.0 2.5 5.0 .0 639 .0 5157 .001 .001 .005 .008 .016 .023 .032 .042 . . . . .0 439 .005 .024 .052 .082 . . .0 316 .010 .038 .074 .111 . . .0 398 .025 .072 .121 .166 . . .0 239 .052 .117 .178 .229 . . .016 .106 .195 .266 .322 . . 90 95 97.5 99 99.5 99.9 99.95 .... .... .... .... .... . . 2.71 2.30 2.08 1.94 1.85 . . 3.84 3.00 2.60 2.37 2.21 . . 5.02 3.69 3.12 2.79 2.57 . . 6.64 4.61 3.78 3.32 3.02 . . 7.88 10.83 12.12 5.30 6.91 7.60 4.28 5.42 5.91 3.72 4.62 5.00 3.35 4.10 4.42 . . . . . . υ 1 2 3 4 5 . . 16 17 18 19 20 . . .221 .234 .247 .258 .270 . . .246 .260 .272 .285 .296 . . .321 .335 .348 .360 .372 . . .363 .337 .390 .402 .413 . . .432 .445 .457 .469 .480 . . .498 .510 .522 .532 .543 . . .582 .593 .604 .613 .622 . . .... .... .... .... .... . . 1.47 1.46 1.44 1.43 1.42 . . 1.64 1.62 1.60 1.59 1.57 . . 1.80 1.78 1.75 1.73 1.71 . . 2.00 1.97 1.93 1.90 1.88 . . 2.14 2.10 2.06 2.03 2.00 . . 2.45 2.40 2.35 2.31 2.27 . . 2.58 2.52 2.47 2.42 2.37 . . 16 17 18 19 20 . . 60 70 80 90 100 .506 .535 .560 .581 .599 .529 .558 .582 .602 .619 .592 .618 .640 .658 .673 .625 .649 .669 .686 .701 .675 .697 .714 .729 .742 .720 .739 .755 .768 .779 .774 .790 .803 .814 .824 .... .... .... .... .... 1.24 2.22 1.21 1.20 1.18 1.32 1.29 1.27 1.26 1.24 1.39 1.36 1.33 1.31 1.30 1.47 1.43 1.40 1.38 1.36 1.53 1.49 1.45 .143 1.40 1.66 1.60 1.56 .152 1.49 1.71 60 1.65 70 1.60 80 1.56 90 1.53 100 www.FreeLibros.org G 7 # Ejemplo 4. Docimar la hipótesis V *( ǆ '" n $" CAPÍTULO NUEVE OTRAS PRUEBA DE HIPÓTESIS 407 Solución: V = 10 σ =8 Q = 20 σ σ =1 a) + 0 : 2 = ; σ 0 64 + : σ 2 ≠1 σ0 b) ∝ = 0,05 c) χ = Vˆ 2 υ 64 2 2 2 2 RC 2 ZA RC 0,714 χ2 υ 1,33 ⎛ χ2 ⎞ ⎟⎟ d) ⎜⎜ = 0,469 ⎝ υ ⎠ 0, 025 ; 19 ⎛ χ2 ⎞ ⎟⎟ ⎜⎜ = 1,73 ⎝ υ ⎠ 0,975 ; 19 ⎛ 2⎞ e) ⎜ χ ⎟ ≤ 0,469 ⎜ υ ⎟ ⎝ ⎠ ⎛ χ2 ⎞ ⎜⎜ ⎟⎟ ≥ 1,73 ⎝υ ⎠ ⎛ χ 2 ⎞ 100 ⎟⎟ = f) ⎜⎜ = 1,5625 ⎝ υ ⎠ 64 g) Se acepta la hipótesis + 0 : σ 2 = 1 2 σ0 EJERCICIOS PARA RESOLVER La gran mayoría de los ejercicios de este libro, se encuentran resueltos en el Sistemaa de Información IInf nfo nf orm or en Línea SIL. V *, y '# Q V? $" V? '# $# K 7 ( !# Q @ de V # )# Y 7 ( V? ǆ '" para una muestra de tamaño: V? J" n ' @ V? '$"# ǆ J( & s# W V? # V $"( ǆ '" $# 5. Docimar la hipótesis # en análisis diarios. La experiencia de mucho tiempo, da el valor 0,5 para la desviación estándar. (a) Docimar la hipótesis de que V "( 6 # V? ( V de estos análisis. ( www.FreeLibros.org '$(J '!(' J# '$(! '$( ~ '"" '!($ '$( '$(* '!(" '!( '$() '!(' ')( '$( '!(* '$() '!() ')(' '$(J '!(! '!( Y# + '!() '$( 408 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO (x?( los siguientes resultados de esa observación: V$ *{ (Σ [ ) 2 = 1.000 Q Σ [ 2 = 2.000 D / Y# PROCEDIMIENTO MÁS UTILIZADO EN LA PRUEBA CON UNA VARIANZA & ODYDULDQ]DGHXQDSREODFLyQ, usando para ello $ ~ /X Sin embargo, este procedimiento a pesar de lo fácil en su aplicación, es cos &KL±FXDGUDGR. Si consideramos, como ejemplo, la fabricación de algún instrumento de medición, que requiera alta precisión, el técnico dedicado al control de calidad, además de interesarle la obtención de un promedio o una proporción, le concede mayor importancia a calcular elJUDGRGHYDULDELOLGDG( o reducir las diferencias que se puedan presentar. K & ( ( & / @ # X & Se formula la hipótesis: + 0 : σ 2 = σ 02 (hipótesis nula) 1) + : σ 2 ≠ σ 02 (hipótesis alternativa) Grado de significación: 2) ∝ = 0,05 Variante estadística: 2 3) χ = (Q − 1) V2 σ 02 ( / V ?( 7 # Unilateral a la derecha +0 :σ = σ 2 + :σ 2 > σ 2 0 2 0 Unilateral a la izquierda + 0 : σ 2 = σ 02 + : σ 2 < σ 02 Ahora procedemos a su aplicación, mediante ejercicios prácticos. Ejemplo 1. Un buen profesor, confecciona un tema de examen que permita determinar si se logró un buen 7( / / + # Y que los resultados deben presentar muy poca variabilidad, establece una V "( # – $ ( [ !( @ s "(*"# Q ( ( que la dispersión obtenida en la muestra, es igual a la establecida. Solución: + 0 : σ 2 = 0,4225 www.FreeLibros.org 1) + : σ 2 ≠ 0,4225 CAPÍTULO NUEVE OTRAS PRUEBA DE HIPÓTESIS ∝ = 0,95 2) ∝ = 0,05 2 3) χ = 409 ∝ = 0,05 ( Q − 1) V (25 − 1) 0,8 = = 36,36 0,652 σ2 2 2 RC ZA 13,848 RC χ2 36,415 2 2 En la tabla de observamos que para X n _ ' $ _ ' $) ( χ 0,95 '!(*)* @ χ 0,05 | $ !()' VX wX _ Y&_ ?# Y [ V ? !(!( ( ( '!( *)* @ !( )'( + 7 # Ejemplo 2. D ( + $ ( # Solución: σ = 0,65 σ 2 = 0,4225 V = 0,8 V 2 = 0,64 ∝ = 0,05 2 1) + 0 = σ = 0,4225 + : σ 2 > 0,4225 2) ∝ = 0,05 2 3) χ = ∝ = 0,05 (Q − 1) V 2 (25 − 1) 0,64 = = 36,36 0,4225 σ2 ZA RC χ2 36,415 υ = Q − 1 = 24⎫ 2 = 36,42 ⎬χ α = 0,05⎭ 0,05 D @( ( ( # D ( ( doble para la región crítica, tal como lo hacíamos con la "t" de Student, de acuerdo a este procedimiento, 2 el &KL de tabla sería χ 0,10 !!($" ( ( ( # 7 ( ( 6 ( 7 # K ( & & ( 7 / ( # (Q − 1) χ2 V2 < σ2 < (Q − 1) χ2 V2 χ 2 = Valor inferior χ 2 = Valor superior www.FreeLibros.org 410 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO Ejemplo 3. Sean los valores: s "(* s$ "() Solución: n $ P (Q − 1) χ2 V2 < σ2 < (Q − 1) χ2 (25 − 1) 0,64 (25 − 1) 0,64 < σ2 < 36,415 13,848 ~ 6 "()$ @ '(''( # V2 15,36 15,36 < σ2 < 36,415 13,848 "()$ V$ '(''# ( EJERCICIOS PARA RESOLVER La gran mayoría de los ejercicios de este libro, se encuentran resueltos en el Sistema de Información en Línea SIL. *# 7 ( percentiles de X $/X( 7 &KLFXDGUDGR ( X $). Se le deja al lector su aplicación. 9. Un fabricante de un determinado producto, establece una duración promedio de trabajo continuo de 5.000 horas y que V < )"" & # D + )" @ #"" @ 'J$#""" & $# ' evidencia que V @ )"" 10. Un vendedor experto que trabaja en un almacén, asegura que el tiempo dedicado a la atención de $ ( VV? * # D ( # W $" '" # ~ & '"# 11. En una muestra de n $( s2 J(*# a) ¿Indica este resultado que s2 ? 7 # '$# W n $*( '*(# '" a) ¿Se puede deducir que V$ 'J' ? 7 " # COMPARACIÓN ENTRE VARIANZAS DE DOS POBLACIONES DISTRIBUCIÓN F Y Bt” de Student, en (muestras pequeñas), pruebas de hipótesis para diferencias entre medias muestrales, las establecíamos con base en dos supuestos: www.FreeLibros.org ? K ( 6 ( idénticas, aceptando a ciegas que fuera cierto. YDULDQ]DV CAPÍTULO NUEVE OTRAS PRUEBA DE HIPÓTESIS 411 ? K ( 7 ( # & ( de probar mediante la aplicación de la Distribución F( poblacionales, sean idénticas o diferentes. Es de anotar que la Distribución F, desarrollada por Sir Ronald Fisher, es una medida muy diferente a las otras hasta aquí desarrolladas, no es simétrica y su forma depende del número de grados de libertad asociadas con s1$ y s$$ . Siguiendo procedimientos conocidos, primero se plantean las hipótesis Ho y Ha; luego el nivel de { @ & / # 1) + 0 : σ 12 = σ 22 + :σ ≠ σ 2 1 2) 2 2 ∝ = 0,05 3) ) = V12 Varianza mayor = 2 Varianza menor V2 Consulta de la tabla F Xw @ V ? ( @ @ V ? # K ( grados de libertad (X1=n1' @ X$ n$'?{ ( 6 y el segundo X$ # W ( intersección siendo éste el valor correspondiente a F. Ejemplo 1# cación. υ1 = 12 a) υ = 16 2 ( υ1 = 15 b) υ = 20 2 ∝ = 0,05 ( υ1 = 40 c) υ = 80 2 ∝ = 0,01 ∝ = 0,10 b) ) = 3,09 c) ) = 1,40 - υ1 = 24 d) υ = 17 2 ∝ = 0,025 Solución: a) ) = 2,42 d) ) = 2,56 Para los OtPLWHVGHFRQ¿DQ]D, tendrá que ser bilateral, por lo tanto el proceso para determinar los puntos críticos, será: a) υ1 = 15 υ 2 = 20 ∝ = 0,05 )υ1 ,υ2 = 2,20 )υ 2 ,υ1 = 2,33 b) υ1 = 30 υ 2 = 40 ∝ = 0,01 )υ1 ,υ2 = 2,20 c) υ1 = 8 υ 2 = 15 ∝ = 0,025 )υ1 ,υ2 = 3,20 )υ 2 ,υ1 = 2,30 )υ 2 ,υ1 = 4,10 ) = 2,20 ) = 1 = 0,435 2,30 ) = 3,20 ) = 1 = 0,24 4,10 www.FreeLibros.org ) = 2,20 ) = 1 = 0,429 2,33 412 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO 6 & + ( F, no aparecen en las Tablas (Fs { Fi ?{ lo tanto el límite inferior se obtiene calculando el recíproco, al mismo tiempo que se intercambian los grados de libertad, X1 como X$ y X$ como si fuese X1. Y 7 ( & ( KD\RQRLJXDOYDULDELOLGDG en las dos poblaciones, de donde se extrajeron las muestras. Ejemplo 2. Supongamos la selección de dos muestras, de tamaños n1 $' @ n$ '( @ muestrales son s1$ J('$ @ s$$ $(* # Q ( & G # Solución: V12 = 57,12 V22 = 25,68 υ1 = 21 − 1 = 20 υ 2 = 16 − 1 = 15 )υ1 ,υ 2 = 2,57 )υ 2 ,υ1 = 2,20 1) + 0 : σ 12 = σ 22 + : σ 12 ≠ σ 22 2) ∝ = 0,05 ∝ = 0,025 3) ) = V1 = 57,12 = 2,22 V 22 25,68 2 K tintas. RC ZA 0,45 RC 2,57 F ( ( Nota G &@ el punto crítico inferior: V'$($" "()?( F calculado siempre va a ser positivo, (F > 1), pues en el numerador se coloca el mayor valor de s$. - ∝ = 0,05 ZA RC 2,33 F Sin embargo, numerosos autores, cuando la SUXHEDHVELODWHUDO, toman el total del nivel de signi ( 6 BC Ddent, por lo tanto el valor para el punto crítico será FX$ , X$ $(!! # Q F $($$( ( ( 0( / ( # Ejemplo 3# D # Q !' ( ( $" @ $ ( '#'"$($) @ $*(J" ~ ( ( que la variabilidad en la producción diaria, es superior en uno de los procesos? www.FreeLibros.org CAPÍTULO NUEVE OTRAS PRUEBA DE HIPÓTESIS 413 Solución: υ1 = 30 υ 2 = 30 Q1 = 31 Q2 = 31 1) + 0 = σ 12 = σ 22 + =σ >σ 2 1 V12 = 1.102,24 V22 = 528,70 )υ1 ,υ 2 = 1,84 2) ∝ = 0,05 2 2 ∝ = 0,05 3) ) = 1.102,24 = 2,08 528,70 ZA RC 1,84 ( &@ superior a la otra. F Como se vió en el caso bilateral, también hay divergencias entre los autores en la determinación del valor correspondiente a la región crítica. En este ejercicio se siguió el procedimiento aplicado en la normal (trabajando en ]), sin embargo otros toman el ( ( '"( 7 crítico sería FX1,X$ '(' '( *)# 2∝ = 0,10 ZA RC 1,61 F BC D ( ( También con la distribución F( ( V12 1 V 22 )υ1 ,υ 2 < - σ 12 V12 )υ2,υ 1 2 < σ2 V 22 Ejemplo 4# Q 7 ( ( !" @ )' ( 6 ( )"!(! @ )$() @ '() @ $( # K # V12 = 29,6 V22 = 15,4 υ1 = 30 υ 2 = 40 )υ1 ,υ 2 = 1,94 )υ2 ,υ1 = 2,01 ∝ = 0,05 = 0,025 2 2 σ 12 29,6 ⎡ 1 ⎤ 29,6 < < (2,01) 2 15,4 ⎢⎣1,94 ⎥⎦ 15 ,4 σ2 σ2 1,92 < 12 < 1,92 (2,01) 1,94 σ2 → 0,99 < σ 12 < 3,86 σ 22 www.FreeLibros.org K ( 6 "( @ !(* # también hacemos la misma observación establecida para la prueba bilateral y la unilateral, sobre la forma como se determina el valor de la región crítica. Observemos que D "(" @ 414 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO ( D "("$"( & & V ?( p que en el caso de las muestras pequeñas, así, cuando D "(" proceden, al igual σ 12 29,6 ⎡ 1 ⎤ 29,6 < < (1,79) 2 15,4 ⎢⎣1,74 ⎥⎦ 15 ,4 σ2 σ2 1,92 < 12 < 1,92 (1,79) 1,74 σ2 )υ1 ,υ2 = 1,74 )υ2 ,υ1 = 1,79 σ2 1,92 < 12 < 1,92 (1,79) 1,74 σ2 Nota: Se exponen estos procedimientos que pueden confundir (en algunos casos), / @ ( + aplicación. De acuerdo con la orientación dada por el profesor y a su criterio, podrá # EJERCICIOS PARA RESOLVER La gran mayoría de los ejercicios de este libro, se encuentran resueltos en el Sistema de Información en Línea SIL. '!# W ( 6 para camiones que más acreditan el negocio. Ofrece dos marcas que tienen la misma duración, pero 6 @ # D ' @ $' 6 ( !#""" @ )$#""" ^$. ? @ ? 7 # ')# D / # D 2 2 en las dos muestras fueron: [ = 725; V = 61 y y = 661; V = * { @ J @ '! # Q & V\), presenta mayor variabilidad que [. 15. Dos muestras sobre rendimiento académico, una aplicada a los estudiantes del diurno, con notas de !(* )(' !(J )(! !($ !(* )(! @ !(! !(* !() )( )(* !(' )(J )(# ~ & $( &@ # PRUEBA DEL COEFICIENTE DE CORRELACIÓN DE PEARSON r=R Cuando en un problema de DQiOLVLVGHUHJUHVLyQ( 6 &RH¿FLHQWHGHFRUUHODFLyQ( & probabilidad en una muestra de tamaño considerado. '' @ '$( ( Para efectuar la prueba de hipótesis en la correlación, cuando la muestra es pequeña, se emplea la distribución “t”, y “” para n >!" / www.FreeLibros.org W=U Q−2 1− U2 Siendo r @ n el número de pares observados. También se puede escribir la fórmula de “tC @ CAPÍTULO NUEVE OTRAS PRUEBA DE HIPÓTESIS W= U 1− U2 Q−2 U= Q Σ [ \ − ( Σ [ ) (Σ \ ) [Q Σ [ 2 ][ − ( Σ [ ) 2 Q Σ \ 2 − (Σ \ ) 2 415 ] El valor de r se obtiene generalmente mediante la aplicación de esta fórmula y otras más, con las ( @ 7 ( 6 '' @ '$ temas³5HJUHVLyQ\&RUUHODFLyQ´\³6HULHV&URQROyJLFDV´. La anterior fórmula se aplica, cuando la +LSyWHVLVQXOD (H0) se formula en el sentido de que no existe correlación entre las dos variables, es decir, que la correlación es igual a 0, frente a la hipótesis alternativa de que sea diferente (GyFLPDELODWHUDO); que sea mayor de 0 (GyFLPDXQLODWHUDODODGHUHFKD) o menor de cero (GyFLPDXQLODWHUDODODL]TXLHUGD). Ejemplo 1# K $* [ y\( Y "()$( + Solución: Solución: 1) + 0 : 5 = 0 (No hay correlación) + : 5 > 0 (Si hay correlación) 2) ∝ = 0,05 3) También: + 0 : ρ = 0 +1 : ρ > 0 W = U Q − 22 1− U α = 0,10 W = 0,42 28 − 2 2 = 2,36 1 − 0,42 4) υ = Q − 2 = 26 W = 1,706 1,71 & & 0 y aceptamos la hipótesis alternativa Ha5! es decir, que al @ "( # Cuando en la hipótesis nula se plantea que R | "( " VGyFLPDELODWHUDO), aunque se puede efectuar la prueba unilateral de que sea mayor de 0, cuando R tiene signo positivo o menor " # G &@ R o de U(rho). U ; tam1 Q −1 bién se aplica otra fórmula diferente a la anterior y se trabaja con Z, de la siguiente manera: = = = − μ σ Para muestras grandes (n !' 6 ? Z( Siendo: μ = 6 = = 1 1 ⎛1+ U ⎞ ⎛1+ U ⎞ log ⎜ (2,3026) log ⎜ ⎟ = ⎟ que también se puede presentar así: 2 2 ⎝1− U ⎠ ⎝1− U ⎠ ⎛1+ U ⎞ ⎟ para hallar el valor de Z, se puede aplicar la fórmula anterior. Ambos valoP] '(''! ⎜ ⎝1− U ⎠ 6 ( #$ www.FreeLibros.org de r a Z( X # 416 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO V y se calcula así: σ 1 Q−3 Ejemplo 2. K )" ( Y "(*# W & poblacional es 0,90. 6 6 = Solución: 1 + 0,90 ⎞ μ = 1,1513 log ⎛⎜ ⎟ = 1,472 ⎝ 1 − 0,90 ⎠ 86 ⎞ ] = 1,1513 log ⎛⎜⎝ 11 +− 00,,86 ⎟ = 1,293 ⎠ σ = 1 = 1 = 0,1644 37 6,08 1) + 0 : 5 = 0,90 + 0 : ρ = 0,90 + : 5 ≠ 0,90 +1 : ρ ≠ 0,90 4) 2) ] = ]σ −μ ∝ = 0,05 3) σ = 0,1644 α = 0,025 2 − 1,472 = − 1,09 ] = 1,293 0,1644 α = 0,025 2 -1,96 1,96 '(" & ( "(* ( @ "("( # Agreguemos que el &RH¿FLHQWHGHFRUUHODFLyQ ] ~ ( @ # Transformación de r a z ⎛⎜ HV GHFLU, ] = 0,5 /RJ 1 + U ⎞⎟ 1− U ⎠ ⎝ #$ r .00 .01 #"$ #"! #") .05 ... #' #'J #'* .19 #$" r a ] r .000 .010 #"$" #"!" #")" .050 ... #'' #'J$ #'*$ #'$ #$"! #! #!J #!* #! #)" ... .51 #$ #! #) .55 r #!JJ #!** #)"" #)'$ #)$) ... #! #J .590 #") #'* #J' #J$ #J! #J) #J ... #* #*J #** #* .90 #**J #"* #$ .950 #J! ... '#$! '#!!! '#!J '#)$$ '#)J$ www.FreeLibros.org CAPÍTULO NUEVE OTRAS PRUEBA DE HIPÓTESIS 417 Ejemplo 3# K )$ [ y \ "($$( w Solución: W 1) + 0 : 5 = 0 ( + :5 ≠0 ( 2) +0 : ρ = 0 + :ρ ≠0 ) ) ∝ = 0,05 3) υ = Q − 2 = 40 ; W0,05 = 2,021 4) W = U Q−2 1− U2 W = 0,22 "($$ α = 0,05 40 = 1,43 1 − (0,22) 2 α = 0,05 _ 2,021 '()! $("$' ( # & 2,021 ( W ( Y Ejemplo 4. Al efectuar un estudio sobre la marca de cierto producto, se encontró que 50 personas habían usado y cambiado anteriormente dicha marca. La relación entre el tiempo en que habían usado la marca, antes de sustituirla por otra y el número de ex-usuarios en cada caso, fue la siguiente: AÑOS DE USO: ([? Go# K_WDWwD: (\? "( '(" '( $(" $( !(" !( )(" )( (" * ) ! $ ) ! D # 7 "(* V "(*?( Solución: 1) + 0 : 5 = 0 ( + :5<0 ( 2) ∝ = 0,05 ) ) W0,10 = − 1,86 5=ρ 3) υ = Q − 2 = 10 − 2 = 8 4) W = U Q−2 1− U2 8 = − 3,77 W = − 0,8 1 − ( −0,8) 2 α = 0,10 -1,86 W www.FreeLibros.org _!(JJ _'(*# D & & lación negativa entre las variables. # & + - 418 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO EJERCICIOS PARA RESOLVER La gran mayoría de los ejercicios de este libro, se encuentran resueltos en el Sistema de Información en Línea SIL. '# W $" "(!J# D ( Y de 0? 'J# K ( Y# Y Y "($ V "($?( '* @ ( / '*# D & ww# D V " '""? KwYD II: ([? KDQDwY II : (\? J $ *' *' )$ J ! * )" J* J' JJ ) J 6 ww @ " *' * *$ ) * D + ( & 6 ww ( ww V0,05 ). 19. Un fabricante de productos alimenticios hace una prueba previa con cierto tipo ( 6 V? @ ( '" & ( de salsa picante V?# ~ ( AMA DE CASA G # ' $ ! ) J * '" DD DD ! $ ' ) ) $ J " ! ) ) ! ! $ * $"# K ! ( Y ( & r "("# "(*"# W $'# W Y $)( r " (J# ~ & & "(" $$# K $ ( Y Y # "(!# D $!# Q ( & R "(" V U "(" ?# D '"! & Y "("# www.FreeLibros.org $)# D $ @ Y "(# K "()" # CAPÍTULO NUEVE OTRAS PRUEBA DE HIPÓTESIS 419 $# K Y "(( & # D ' "(J 6 ( 6 de la muestra? $# Q Y n1 $*{ n$ ! r1 "( @ r$ "(!" # @ 0,05? $J# K + @ 6 ' @ $J# D de r1 "(*" @ r$ "("# ~ ( # + $*# D X y Y# ~ & Y VY ? 7 "(J"# [1 \1 Nota 7 ! * $ '" ~ @ '$ $" ') Y V '$? PRUEBAS CON OBSERVACIONES APAREADAS ( ( ( 7 muestras provenientes de dos SREODFLRQHVLQGHSHQGLHQWHV, como por ejemplo, cuando se desea probar la { &6 ( & ( + &6# K ( ( & # Q @ # El anterior procedimiento conlleva, en algunos casos, a cometer errores en el análisis de los resultados, pues en el ejemplo señalado, puede ser que las variaciones en el rendimiento no sean consecuen ( 7 /( ( ( # K 7 ( ( cionadas, denominados también SREODFLRQHVGHSHQGLHQWHV# X ( @ ( { ( @ 6 ( 6 # Podríamos dar otro ejemplo, para entender un poco más el nuevo procedimiento que se puede ( + # D el rendimiento de su personal, para lo cual diseña cursos de capacitación para mejorar las condiciones del trabajador. La prueba consiste en determinar si esos cursos son efectivos, para ello selecciona una www.FreeLibros.org 420 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO muestra de trabajadores que no han asistido al curso, luego determina el promedio de rendimiento para el grupo o muestra, ya sea respecto al tiempo de duración en su ejecución o en cuanto a la cantidad de uni # K ( muestra proveniente de una población de trabajadores que han asistido a entrenamiento o capacitación. El anterior procedimiento puede distorsionar los resultados, pues dejamos aparte aspectos o condiciones que presenta cada persona, por ejemplo sentirse bien en el trabajo, tener habilidad innata para desarrollarlo, responsabilidad, condiciones emocionales, etc. Para ello se puede preferir otro procedimiento, que consiste en medir el rendimiento, en cada uno de los trabajadores que no han sido sometidos al curso y que forman parte de la muestra; luego a cada trabajador seleccionado se le compara su rendimiento DQWHV\GHVSXpV del entrenamiento, lo cual nos permite eliminar factores que pueden conducir a resultados erróneos. Anteriormente se comparaban dos muestras elegidas aleatoriamente, es decir, las dos poblaciones de donde se extraían las muestras se consideraban independientes. En cambio en lasREVHUYDFLRQHVDSDUHDGDV, se debe tomar una muestra aleatoria de pares, de manera que cada observación esté asociada con alguna observación en particular. La muestra de pares de observaciones da base para considerar la existencia de dos muestras dependientes, donde las observaciones de un par estarán relacionadas entre sí. La mayoría de autores consideran de gran importancia su aplicación, tanto en problemas que comprenden datos DQWHV\GHVSXpV como en aquellos casos donde se desea comprobar si se producen cambios de actitud. Y 6 di servaciones, (di [i\i). G / n # D6 N G G = ΣG Q # ad ó D # D = que la media de las diferencias en la población es igual a 0. sd Q # # V = ΣG Se considerará 1 D =0 Σ( G − G ) 2 Q −1 V = W= La YDULDQWHHVWDGtVWLFD estará dada en la siguiente forma: V K 6 # V G −D V Q = G −0 V Q www.FreeLibros.org Ejemplo 1. En una escuela pública se seleccionaron 10 pares de niños de primer año para comparar similitud de inteligencia y preparación. Un niño de cada par fue enseñado a leer con un método y el otro / # Q / 7( ( V 7 " '""? 421 CAPÍTULO NUEVE OTRAS PRUEBA DE HIPÓTESIS Gw G MÉTODO I : ([? MÉTODO II : (\? ' $ ! ) J * '" ! * * J" * ! " ) * $ J) J" J$ J* J" J" J" ( + @ alguno de los métodos aplicados? Solución: ~KF [i \i di = [i ±\i – di – di – (di – di )$ 1 $ ! ) 5 J * 9 10 * J" ! ) $ J) J$ J" ! * * " * J" J* J" J" $ 0 $ ! _) _) ) _ 0 _) $(J "(J $(J !(J _!(! _!(! )(J _(! "(J _!(! J($ "() J($ '!( '"(* '"(* $$(" $*(" "() '"(* 6 V = V 4) W = ΣG = − 7 = −0,7 Q 10 Σ( G − G ) 2 112,1 = = 3,53 9 Q −1 1) + 0 : D = 0 + :D ≠ 0 3) G= 2) α = 0,05 ∝ = 0,05 = 3,53 α = 0,05 -2,2622 G = − 0,7 = −0,63 3,53 10 V υ = Q −1= 9 2,2622 ∝ = 0,05 W W = 2,2622 t "(! ( & / ( # Vad "? D Ejemplo 2. Supongamos que se quiere estudiar la efectividad de una dieta y se nos proporciona la si ( @ / * 7 ! )" 6 V ? WFKKD G GKD V[? DESPUÉS : (\? ' '!J '!$ $ '!" '$' ! '$) '$ ) '!* '!" ') ')J ')" ')' J '* ' * '$ ')J www.FreeLibros.org Q # 422 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO Solución: ~KF [i \i di = [i ±\i – di – di – (di – di )$ 1 $ ! ) 5 J * '!J '!" '$) '!* ') ')" '* '$ '!$ '$' '$ '!" ')J ')' 159 ')J –5 –9 $ * $ 1 –9 –5 "($ )($ (!J !($ $(!J (!J )($ "($ "(! $'(! )"() '!(') () $*(* $'(! "(! 6 – – ! Nota: D & 7 derecho. El resultado es el mismo. G= V = ΣG = − 35 = − 4,375 Q 8 V Q = '!'(*J @ 6 V = ( Σ (G − G ) 2 131,87 = = 4,34 7 Q −1 4,34 4,34 = = 1,53 2,83 8 1) + 0 : D = 0 (la dieta no es efectiva) + : D < 0 (la dieta es efectiva) 2) ∝ = 0,05 3) V α = 0,10 = 1,53 G = − 4,375 = −2,86 4) W = 1,53 V W -1,895 υ = 8 − 1 = 7 → W = − 1,895 t $(* @ & & & ( # ( Nota: Se había dicho que di = [i ± \i pero en este caso cuando la efectividad de una dieta corresponde a una disminución del peso, si se quiere se puede cambiar el signo para cada diferencia; el resultado debe ser el mismo, la prueba se hace al lado contrario. En el cálculo de los OtPLWHVGHFRQ¿DQ]D, se aplicará la siguiente fórmula: D =G ±W V Q Ejemplo 3# K + ' ( ! &6# K 6 diferencia fue de 1,1 arrobas por hectárea. ? Q dos variedades. www.FreeLibros.org CAPÍTULO NUEVE OTRAS PRUEBA DE HIPÓTESIS 423 ? W ? + rendimientos de las dos variedades ( 0,05 ). Solución: 1) G = 3 = 1,1 Q = 16 D = G ± WV D 5,34 = 3 ± 2,131 (1,1) → 0,66 2) + 0 : D = 0 + :D ≠ 0 3) υ = 15 W = 2,131 95% ∝ = 0,05 0,66 3 5,34 -2,131 0 2,131 G W Siendo que ad– " ( V"( @ (!)?( & & @ + ( # Nota: Para aceptar la hipótesis nula se requiere que uno de los límites sea positivo y el otro # K ( & & # Los anteriores procedimientos corresponden a pruebas de diferencias para pares de observaciones, en ( son muestras independientes. En sí hay una sola muestra, no dos como aparentemente se puede pensar, por lo tanto se tendrá una muestra constituida por la diferencia entre dos observaciones para el mismo elemento. Generalmente es aplicado para aquellas observaciones tomadas antes y después de cada uno de los elementos en la muestra. EJERCICIOS PARA RESOLVER La gran mayoría de los ejercicios de este libro, se encuentran resueltos en el Sistema de Información en Línea SIL. $# K + '" ( resistente al moho y la otra mitad con semilla corriente. Los resultados siguientes (peso del grano ?( + &RQWLQXDFLyQ LOTE 1 $ ! ) 5 ESPECIAL ) * ! " ) YwKGK )J J ) J )) LOTE J * 9 10 ESPECIAL ) 55 )) $ YwKGK )) J $ )$ ! www.FreeLibros.org !"# K + ( con dos clases de dietas, son las siguientes: V ? 424 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO ~KF 1 $ ! ) 5 DIETA A $ !" $* !) $! DIETA B 19 !$ $' !) 19 ¿Puede considerarse alguna de las dietas como superior? !'# K / ( @ 7 { # D + @ 6 ()*( @ ( diferencia media en puntajes. !$# W / # D & V ? ( 7 ( & & diseminados en una región apropiada para la producción de ambas variedades. Cuando los árboles ( 7 # HUERTO 1 $ ! ) 5 J * D @ GWKX GG GG YwKGK '$ '! ' ') 'J 19 9 10 ' 15 '$ ') 10 '$ * 11 !!# W /( # D ( @ /# que miden la productividad son las que siguen: FQ DwG ~WD $! 1 ! $ $ ! !! ) )! 5 !$ YG ~WD $* !* $ !J )$ !" ¿Indican estos resultados que la pausa para el café aumenta la productividad? www.FreeLibros.org !)# ~ & 7 * ( @ CAPÍTULO NUEVE OTRAS PRUEBA DE HIPÓTESIS & + # K * ( wGY wQ wQ Y @ híbridos. ' * *" $ *J J ! * ) ! ' 425 &6( *) JJ ! *$ ( J J! J) * J !# # Se anotaron sus pesos (en libras) antes y después de dicho entrenamiento con los resultados siguientes: ATLETA ~KD GKD PESO DESPUÉS : 1 '$J '! $ ' $"" ! '$ '" ) 'J" '*$ ')! ')J $" $"" J '* 'J$ * 'J '* 'J ') '" '! ')' ¿Afecta el programa el peso medio de los atletas? !# D @( 6 / " ( 6 7 ( # + @ – # d ( @ sd = ( ( / !J# W ( & que puede preparar en una forma más espesa ([) o en otra forma menos espesa (\). Para medir la @ ( '" ( & ( V ' '"? # QK YD Go.: 1 SALSA ([) Puntos ! SALSA (\) Puntos $ $ ' ) ! ) ) $ J " ! ) ) J ! * ! $ '" * ( V\) tiene mayores oportunidades de ser aceptada en el mercado, que el tipo más espeso ([)? !*# W ( revistas de una loción para hombres. En el anuncio A el producto es enfocado desde el punto del VH[DSSHDO. En el segundo anuncio es enfocado desde el punto de revista; después de un tiempo '$ & ( # K test consiste en dejar que los entrevistados hojeen libremente la revista y luego se sometan a un cuestionario diseñado para medir el grado de recuerdo de los anuncios en cuestión. Los resultados obtenidos en puntos (usando una escala de 1 a 10) son los siguientes: www.FreeLibros.org KGKXwDQ Go. : GWGYw GWGYw 1 $ ! $ ! ! ) J ) ) ' ! ) $ J * J ) ) '" J '' ! '$ ! 426 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO ( 6 !# W @ psicotécnicas, de las cuales una es un test de análisis de un producto. Los dos mejores candidatos A y B, han obtenido los resultados siguientes en la prueba del análisis químico: Go. DE LA PRUEBA : YGQwQ YGQwQ ~ $ 'J '* 1 $" ' ! '* $" & ) $" 'J ' '* '* 'J J ' ' 7 6 * $" ' ' $" '" $" ' )"# / nutritivas de una de sus especialidades con las de un producto de la competencia. Para estos efectos, / V[) y después, alimentar a estos mismos niños con el producto de la competencia (\). Se ha decidido que el efecto de las propiedades nutritivas de los productos venga medido por el aumento de peso diario de los niños. Go# QKG GwD PRODUCTO A : ~QWY ' $' 'J $ $" '* ! $" '* '( + ) $$ ' ' ') $' '! )'# W ( & ( ( # ~ ( @ @ ellos antes y después de que hayan acabado su programa de entrenamiento (el tiempo se tomó en minutos). Go. DE OBREROS 1o. KDWQw $o. KDWQw : 1 J * $ * * ! '" J ) '' '* '" ' J '$ * '$ * J '" '$ '" ? # ? Q '( tiempo medio de ensamble. )$# ~ 6 @ / ( * @ @ 6 # D 6 @ velocidades, que se miden mediante el promedio de palabras escritas por minuto. KYG Go. : ELÉCTRICA : YwKGK D VG ?# 1 J J $ * $ ! J ) ) * J '"$ *' 6 '' J* J J * J! www.FreeLibros.org CAPÍTULO NUEVE OTRAS PRUEBA DE HIPÓTESIS 427 PRUEBAS NO PARAMÉTRICAS Una buena parte del contenido de este libro, ha sido dedicado al estudio de las distribuciones paramétricas, ( / permitan obtener valores o estimativos, llámese media, proporción, YDULDQ]D, FRH¿FLHQWHGHFRUUHODFLyQ, etc. Dado que se trabaja con valores estadísticos de la población, conocidos como parámetros, las técnicas empleadas en estos casos, reciben el nombre de paramétricas. Y ( ( como solución, escalas de medición de 0 a 5, de 0 a 10, etc. Este problema se presenta en casi todos los campos del saber; sin embargo con más frecuencia en aquellos estudios de comportamiento o de conducta, como sucede en las ciencias sociales. Observemos, como ejemplo, lo más común que encontramos en las universidades o institutos, la evaluación periódica del profesor; en la mayoría de los casos, su permanencia depende en gran parte de sus alumnos, donde algunas veces se ponen en tela de juicio los conocimientos y otros aspectos de carácter académico y personal, pero las opiniones son, de alguna forma, consecuencia de la subjetividad por parte de los estudiantes. Los métodos QRSDUDPpWULFRV son de gran utilidad en éste y en muchos otros casos para el análisis de los datos, cuando las observaciones se pueden ordenar, ya que son imposibles de medir, también cuando se carece del conocimiento acerca del comportamiento de los parámetros de la población. Se puede concluir que en todos aquellos casos, donde sea imposible establecer la forma de la distribución SREODFLRQDO o cuando los datos están dados a HVFDODRUGLQDO, es decir, que pueden ordenarse por rangos, se hace indispensable la aplicación de métodos, denominados de diferentes maneras: no paramétricos, de GLVWULEXFLyQOLEUHGHUDQJRRGHRUGHQ( / w# Entre los numerosos métodos no paramétricos sobresalen: 3UXHEDGHO&KLó Ji FXDGUDGR Prueba de signo, donde sólo se toman los signos positivos y negativos de las diferencias en las observaciones apareadas. 0pWRGRGH6SHDUPDQR&RUUHODFLyQSRU5DQJRV, cuando los datos o información ( # 3UXHED7GH:LOFR[RQ, requiere que los datos estén dados a escala ordinal y que las dos muestras se relacionen por pares o parejas. 3UXHEDGH8GH0DQQ:KLWQH\, usada para determinar si dos muestras han sido + ( # 3UXHED + GH .UXVNDO :DOOLV( 6 independientes han sido extraídas de poblaciones con la misma distribución. Existen más pruebas que no se expondrán en este capítulo, sólo haremos referencia a las ya enunciadas y las desarrollaremos a continuación. $ www.FreeLibros.org PRUEBA DE CHI-CUADRADO Corresponde a las distribuciones no paramétricas( 6 ( '*J @ '"" ] ~ # K '!)( 428 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO B$ + $C( corrección por continuidad de Yates, atendiendo la sugerencia hecha por Fisher, pero hoy en día, es considerada por algunos como innecesaria. La GLVWULEXFLyQQRUPDO( + resultados posibles; cuando se presentan más de dos resultados debe aplicarse la prueba de &KLFXDGUDGR# W 7 ( @ @ &KLFXDGUDGR estará aplicada, ( ' # Esta prueba se denomina Ji - cuadrado, derivada de la letra griega mayúscula Ji que se escribe y que se lee chi; el cuadrado se debe a que la suma de las diferencias entre los valores observados y espe 6 "( & ( # ~ ( Ji – cuadrado, es la suma de las fracciones que tienen por numerador el cuadrado de las diferencias entre las IUHFXHQFLDVUHDOHVXREVHUYDGDV\ODVIUHFXHQFLDVHVSHUDGDVRWHyULFDV\SRU GHQRPLQDGRUODIUHFXHQFLDHVSHUDGD Fo = Q = )UHFXHQFLDREVHUYDGDRUHDO Frecuencia observada o real Frecuencia teórica teóricaoo esperada esperada Fe = Q* = Frecuencia χ 2 (Q =∑ − Q* Q* ) 2 Se puede observar en la fórmula anterior, que mientras mayor sea la coincidencia entre las frecuencias observadas y las esperadas, menor será el valor de Ji - cuadrado. Si [$ "( &@ FRPSOHWDFRQFRUGDQFLD entre las IUHFXHQFLDVREVHUYDGDV y ODVHVSHUDGDV. La curva que constituye una excelente aproximación a la distribución Ji - cuadrado, está dada por la siguiente ecuación: < = & (χ ) 2 υ −2 2 H − χ2 2 Donde Xes el número de grados de libertad de la variable y C es una constante que depende de X elegida de tal forma, que el área bajo la curva sea igual a uno. Esta distribución es semejante a la distribución “t”, en cuanto al hecho de que para muestras meno !" ( ( 7 6 a la normal, por lo cual, habrá también una distribución para cada tamaño de muestra. K ( 6 6 en el conteo, es decir, provienen de una característica cualitativa (atributo), por no ser medidas tal como ocurre con la variable. Para la aplicación de la prueba de &KLFXDGUDGR, se debe proceder así: primero: se formula la hipótesis, en seguida establecemos las diferencias entre las frecuencias observadas y las esperadas, se eleva @ { 2 mente se suma y de esta manera nos resulta el valor de χ , denominada por muchos como JiFDOFXODGD: siendo: www.FreeLibros.org χ2 = ∑ () −) ) )2 χ2 = ∑ (Q − Q* Q* ) 2 CAPÍTULO NUEVE OTRAS PRUEBA DE HIPÓTESIS 429 Luego de obtenido el resultado de [$ 7 ( ( # observar la fórmula anterior, como ya se dijo, que en aquellos casos en que las frecuencias observadas ( ( estas diferencias será cero y el valor de &KLFXDGUDGR / ( &@ una completa concordancia. De la misma manera, a medida que aumentan las diferencias, también se irá aumentando el valor de&KLFXDGUDGR, como indicador de que hay discrepancias entre lo observado y lo esperado. Ejemplo 1. D " # D ( ( '" @ # Y ( Caras CARAS (Q − Q ) (Q − Q ) * 2 Q Q* Q − Q* 1 2 3 4 5 6 7 14 8 5 16 10 10 10 10 10 10 10 3 4 2 5 6 0 9 16 4 25 36 0 0,9 1,6 0,4 2,5 3,6 0 Σ 60 60 0 - 9,0 ) ) ) −) * 2 () −) Q* () ) 2 −) ) )2 Solución: El problema nos da las frecuencias reales u observadas (ni) para cada cara, tal como aparece en el cuadro anterior. Las frecuencias esperadas se obtienen multiplicando la probabilidad de presentación para cada suceso por n V ?# Q* = QS = 60 ⎛⎜ 1 ⎞⎟ = 60 = 10 y así sucesivamente se obtienen las demás frecuencias teóricas o ⎝6⎠ 6 esperadas. D 1) + 0 : Q = Q* +0 : ) = ) + :Q ≠ Q +1 : ) ≠ ) 2) * ∝ = 0,05 2 3) χ = ∑ ( Q − Q* ) 2 = 9,0 Q* ∝ = 0,05 ZA RC 11,07 χ2 www.FreeLibros.org 4) υ = Q − 1 → χ 02,05 = 11,07 (Ver tabla 9.3) χ 2 < χ 02,05 es decir 9 < 11,07 430 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO & # K ( ( ( frecuencias teóricas no nos dan base para decir que el dado está cargado. Ji-cuadrado ( & & H0, se presenta cuando el valor de Ji-cuadrado +rimento, es igual o mayor que el valor Ji-cuadrado obtenido en la tabla, para ciertos @ 7 # #! Distribución de Ji-cuadrado X 1 $ ! ) 5 "(!" "($" "('" '("J $()' !( )(** (" '() !($$ )() 5,99 J($ $(J' )(" ($ J(J* ($) "(" !(*) 5,99 J(*$ () ''("J "("$ "("' "(""' ()' J(*$ (*) ''(J '!(! () ($' ''(!) '!($* 15,09 '"(*! '!(*$ '($J '*() $"($ Ejemplo 2# Q ) 7 ( !) 7 ( '" @ $" # Y / ( ! )# ( que los datos son consistentes con el modelo? Solución: S1 = 9 = 0,56 16 9 + 3 + 4 = 16 Q2 = QS2 = 64 (0,19) = 12 Q* = QS1 = 64 (0,56) = 36 Siendo :υ = 3 − 1 = 2 χ 2 0 , 05 Q3 = QS3 = 64 (0,25) = 16 = 5,99 (Ji de tabla ó ji teórico) (Q − Q ) (Q − Q ) * 2 Q* Q − Q* 34 10 20 36 12 16 2 2 4 4 4 16 0,1111 0,3333 1,0000 64 64 0 1,4444 ) ) ) −) +0 : ) = ) + :Q ≠ Q + :) ≠ ) 2) S3 = 4 = 0,25 16 Q 1) + 0 : Q = Q* * S2 = 3 = 0,19 16 ∝ = 0,05 ( Q − Q* ) 2 χ = = 1,4444 ∑ 3) Q* * 2 () −) Q () )2 * −) ) )2 ∝ = 0,05 ZA RC χ2 www.FreeLibros.org 2 Como χ '()))) son consistentes con el modelo. 2 5,99 ( ( CAPÍTULO NUEVE OTRAS PRUEBA DE HIPÓTESIS 431 TABLAS DE CONTINGENCIA Las dócimas o pruebas aplicadas a cuadros de contingencia, algunos las denominan también como dócimas de independencia# D ( pruebas de homogeneidad. Un cuadro de contingencia, es un arreglo en el cual un conjunto de observaciones se dispone conforme a dos ( + @ # D ( 7DEODGHFRQWLQJHQFLDGH B$ + $C# D @ )( 6 B! + )C# D ] @ F( 6 B] + FC# Los grados de libertad serán iguales a X VK –1) (J '?( B$ + $C( Xserá igual a 1, o sea X V$ '? V$ '?{ !+) 6 X V!'? V)'? # Cuando el número de grados de libertad obtenidos es igual a 1 y la variable es discreta, tal como ocurre en la prueba de Ji-cuadrado, hay necesidad de introducir en los cálculos la llamada &RUUHFFLyQ de continuidad de Yates, que consiste en restar el valor de 0,5 de valor absoluto de las diferencias entre las frecuencias observadas y las esperadas, antes de ser elevadas al cuadrado. La fórmula, aplicando la corrección de Continuidad de Yates será: χ =∑ 2 (Q − Q * − 0,5 ) 2 Q* χ =∑ 2 () − ) − 0,5 ) ) 2 Puede observarse que en muestras grandes, se obtienen prácticamente los mismos resultados que al 2 aplicar la χ sin corregir. & & tes, hoy su uso no es relevante pues se ha demostrado que, en la mayoría de los casos, la hipótesis nula (H0? & # Q & # Se dice que la corrección debe hacerse, cuando los grados de libertad sean iguales a uno (1), es de( B$+$C{ / observadas sea menor que 10. Ejemplo 3. En un consultorio se trató a un grupo de personas que se quejaban de insomnio, dándole a @ V & ?# Q / de someterlos a observación, se obtuvo el siguiente resultado. TRATAMIENTO Pastillas para dormir ~ Total ~ DURMIERON NO DURMIERON TOTAL ! ) *" 5 15 $" )" " 100 + www.FreeLibros.org 432 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO Solución: ni ni* ni – ni* ni – ni* – 0,5 ! ) 5 15 100 !$ )* * '$ 100 ! ! ! ! 0 $( $( $( $( – Fo Fe Fo – Fe Fo – Fe – 0,5 Q* = ⎛⎜ 40 ⎞⎟ 80 = 32 ⎝ 100 ⎠ Q2* = ⎛⎜ 60 ⎞⎟ 80 = 48 ⎝ 100 ⎠ a) + 0 : Q = Q* + :Q ≠ Q 2 c) χ = ∑ ( ni – ni* – 0,5)$ ($ ($ ($ ($ – Q3* = ⎛⎜ 40 ⎞⎟ 20 = 8 ⎝ 100 ⎠ ( Fo – Fe – 0,5)$ ( ni – ni* – 0,5)$ –––––––––––– * ni "('! "('!"$ "(J*'$ "($"* '($J ( Fo – Fe – 0,5)$ –––––––––––– Fi Q4* = ⎛⎜ 60 ⎞⎟ 20 = 12 ⎝ 100 ⎠ ∝ = 0,05 b) * (Q − Q * − 0,5 Q* ) ∝ = 0,05 2 = 1,6275 ZA RC χ2 3,84 siendo υ = (2 − 1) (2 − 1) = 1 χ 02,05 = 3,84 d) Se acepta la hipótesis nula H0 : ni = ni ( ( # Ejemplo 4. Dos grupos A y B cada uno de 100 individuos, padecen una enfermedad. Se administra un suero solo al grupo A; en todo lo demás, los dos grupos fueron tratados idénticamente. Se encuentra que @ ( J @ ( ( & # Probar la hipótesis de que el suero ayuda a curar la enfermedad. ( 0,05 ). TRATAMIENTO Grupo A (con suero) Grupo B (sin suero) Total DURMIERON NO DURMIERON TOTAL J ')" $ ! " 100 100 $"" Solución: ni ni* ni – ni* ni – ni* – 0,5 J $ ! $"" J" J" !" !" $"" 5 –5 –5 5 0 )( )( )( )( – Fo Fe Fo – Fe Fo – Fe – 0,5 Q2* = ⎛⎜ 100 ⎞⎟ 140 = 70 ⎝ 200 ⎠ Q3* = ⎛⎜ 100 ⎞⎟ 60 = 30 ⎝ 200 ⎠ ( ni – ni* – 0,5)$ $"($ $"($ $"($ $"($ – ( ni – ni* – 0,5)$ –––––––––––– * ni "($*! "($*! "(J" "(J" '($* ( Fo – Fe – 0,5)$ –––––––––––– Fi www.FreeLibros.org Q1 = ⎛⎜ 100 ⎞⎟ 140 = 70 ⎝ 200 ⎠ ( Fo – Fe – 0,5)$ Q4* = ⎛⎜ 100 ⎞⎟ 60 = 30 ⎝ 200 ⎠ CAPÍTULO NUEVE OTRAS PRUEBA DE HIPÓTESIS 1) $? 433 H: La recuperación es independiente del empleo del suero Ha: La recuperación y el empleo del suero están relacionados 0,05 3) χ = ∑ 2 ( Q −Q * − 0,5 ) 2 =1,93 Q* 4) υ = (2 − 1) (2 − 1) = 1 ∝ = 0,05 ZA χ 02,05 = 3,84 RC 3,84 χ2 Aceptamos la hipótesis nula H0, y se deduce que la recuperación es independiente del empleo del suero, # 2 2 Nota: con la corrección de Yates siempre se disminuye el valor de χ . Observemos el resultado χ cuando se hace sin corrección. (Q − Q ) (Q − Q ) 5 25 25 25 25 0,3571 0,3571 0,8333 0,8333 200 0 2,3808 ) ) −) Q Q* Q − Q* 76 65 25 35 70 70 30 30 5 5 200 ) * 2 5 () −) * 2 Q* ) 2 () −) ) χ2 ( = 1,93) χ2( = 2,38) )2 2 2 Se podrá observar que χ < χ 0 ,05( ( $(!* !(*) ración es independiente del empleo del suero. W 6 6 es como sigue: & χ2 = Ji-cuadrado, Q ( $' − %& ) P1 P2 P3 P4 2 Cuando sea necesario aplicar la corrección de Yates, tal como lo habíamos recomendado, para casos en que X ' n < 50 y en aquellos casos en que alguna o todas las frecuencias sean menores que 5, se procederá así: Q ( $' − %& − 0,5 Q) 2 χ2 = P1 P2 P3 P4 Observemos las letras ó símbolos anteriores, ¿a qué valores corresponden en la Tabla de contingencia? ATRIBUTOS CLASIFICACIÓN TOTALES 1 2 1 $ A & % D m m4 - m1 m2 n www.FreeLibros.org 434 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO Ejemplo 5. Utilicemos las fórmulas del ejercicio anterior sobre la aplicación del suero y la recuperación. A J %$ & D ! m1 ')" m$ " m! |'"" m) '"" n $"" Solución: $' = 75 (35) = 2.625 %& = 25 (65) = 1.625 P1 P2 P3 P4 = 140 (60) (100 ) (100) = 84.000.000 χ2 = Q ( $' − %& ) 2 P1 P2 P3 P4 χ2 = 200 (2.625 − 1.625) 2 = 2,38 84.000.000 (sin corrección) cuadrado corregida: Aplicamos ahora la fórmula para calcular JJii--cuadrado χ2 = Q ( $' − %& − 0,5 Q) 2 200 ( 2.625 − 1.625 − 100) 2 ; χ2 = = 1,9286 P1 P2 P3 P4 84.000.000 (corregida) G + de Ji- cuadrado, con y sin corrección. DÓCIMAS DE HOMOGENEIDAD Y DE INDEPENDENCIA La prueba de homogeneidad ( 6 # Y & / ( quiere dar a entender que tienen algo en común. En cambio, la prueba de independencia es aplicada para &@ # La diferencia existente entre la dócima de independencia y la de KRPRJHQHLGDG se presenta cuan ( @ corresponde a resultados obtenidos a través de una muestra de una población; en la segunda prueba, interesa establecer si las muestras provienen de la misma población, por lo tanto estará conformada con dos o más muestras independientes, de cada una de las poblaciones sometidas a estudio. Para mayor claridad, se podrá decir que en la SUXHEDGHLQGHSHQGHQFLD se extrae una sola muestra de una población y sólo nos interesa probar si existe alguna relación entre # ( ( de establecer la relación o correlación que puede haber entre las variables; para este caso se aplican las técnicas de regresión y lasSUXHEDVGHFRUUHODFLyQ. En la prueba de homogeneidad, al contrario de la de independencia, se extraen dos o más muestras provenientes de dos o más poblaciones; algunas veces, de una muestra se pueden obtener dos o más categorías y el interés es el de probar si las poblaciones # www.FreeLibros.org En resumen, el cálculo de Ji-cuadrado es igual para las dos pruebas y se diferencia en cuanto a la manera como se recolectan los datos y se interpretan los resultados. Ejemplo 6# W @ / @ ! & ( # CAPÍTULO NUEVE OTRAS PRUEBA DE HIPÓTESIS CLASIFICACIÓN ATRIBUTOS 435 TOTALES 1 2 3 Lavadoras Aspiradoras $" 'J * ' 15 5 )! !* Totales 37 24 20 81 ¿Demuestra este resultado que la habilidad de cada vendedor depende del tipo de artículo que ven ~ & & # Solución: Q Q* 20 17 8 16 15 5 19,6 17,4 12,7 11,3 10,6 9,4 81 81,0 ) ) Q − Q* (Q − Q ) (Q − Q ) 0,16 0,16 22,09 22,09 19,36 19,36 0,0082 0,0092 1,7393 1,9549 1,8264 2,0596 0,4 0,4 4,7 4,7 4,4 4,4 0 ) −) * 2 * 2 Q* 7,5976 () −) () )2 Q1* = ⎛⎜ 43 ⎞⎟ 37 = 19,6 ⎝ 81 ⎠ Q2* = ⎛⎜ 38 ⎞⎟ 37 = 17,4 ⎝ 81 ⎠ Q3* = ⎛⎜ 43 ⎟⎞ 24 = 12,7 ⎝ 81 ⎠ Q4* = ⎛⎜ 38 ⎞⎟ 24 = 11,3 ⎝ 81 ⎠ Q5* = ⎛⎜ 43 ⎞⎟ 20 = 10,6 ⎝ 81 ⎠ Q6* = ⎛⎜ 38 ⎞⎟ 20 = 9,4 ⎝ 81 ⎠ 1) H0: Las muestras se extraen de la misma población. Ha: Las muestras se extraen de poblaciones diferentes. $? 0,05 χ2 = ∑ () −) ) −) ) )2 )2 ( Q − Q* ) 2 = 7,60 Q* !? χ2 = ∑ )? υ = (2 − 1) (3 − 1) = 2 ∝= ZA 0,05 RC 5,99 χ2 χ 02,05 = 5,99 www.FreeLibros.org J(" @ ( & & V0); las muestras se extraen de χ 02,05 = 5,99( poblaciones diferentes. También podemos contestar que la habilidad de cada vendedor no depende del ( # 436 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO APLICACIONES DE EXCEL EN PRUEBAS DE CHI-CUADRADO Y V$? 7 ( KYK# ni Fo Frecuencia observada o real ni* Fe Frecuencia esperada o teórica Fórmula: χ 2 = ∑ ( Q − Q* ) 2 = 7,60 Q* χ2 = () −) ) )2 Primero !" ( !" ( manera se observarán los resultados obtenidos (ni), los esperados (ni* ), y además, el porcentaje o la proporción de presentación de cada cara ( p). Q Q* p 1 56 60 0,1666 2 58 60 0,1666 3 62 60 0,1666 4 64 60 0,1666 5 61 60 0,1666 6 59 60 0,1666 Σ 360 360 1,000 Q* = Q p Siendo: Q = 360 Q* 400 300 300 1.000 TOTAL ~ 200 350 450 1.000 K+ 7 100 150 250 500 p =1/6 = 360(1/6) = 360/6 = 60 D " !" # Segundo: En 7DEODVGHFRQWLQJHQFLD( 7 ! + !( A B C y 700 800 1.000 2.500 p1 = 700/2.500 = 0,28 p2 = 700/2.500 = 0, 32 p3 = 700/2.500 = 0,40 !+! Lo primero que hacemos es teclear en una hoja electrónica la información anterior: Los pasos a seguir para el cálculo de CHI-CUADRADO ([ ) son: $ D esperada. Y') & 7 6 Seleccionamos la opción función I[ con la cual aparece un cuadro de diálogo correspondiente wGDK WGYwG# www.FreeLibros.org K DKWGQ ~K QK Dw ( 6 7 QDwY( ' '!( DK QK QD 7# KYK KD- CAPÍTULO NUEVE OTRAS PRUEBA DE HIPÓTESIS 437 G # '#w 7 Y6 # 6 ( YK QK WGYwG( KDQDwYD @ DKKYYwG WGYwG( ~WK YwYWQ{ & YwY ACEPTAR. G # $# w # www.FreeLibros.org 438 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO G YWQ QK Qw ~WK Yw YWQQ( GD G YW( ( !''( KYWKGYwD DKXQD# G KD~KQ( Y!Y''( @ KYWKGYw KD~KQ# ( & YwY YK~# K presentan a continuación: G # !# G # )# # ~ Y&_ Y # www.FreeLibros.org CAPÍTULO NUEVE OTRAS PRUEBA DE HIPÓTESIS & ~ 2 de χ calculado. 439 # K ( ~WK#Yw#wGX( YKQ Y') & 7 6 ( @ 6 Hacemos CLIC en la función I[# WGYwG# 6 K 6 ( YK QK WGYwG( y hacemos CLIC en ACEPTAR. wGDK ~WK#Yw#wGX G ## w # K 6 ~WK#Yw#wGX# K este cuadro tecleamos en el primer campo denominado PROBABILIDAD nuestro valor de Yw# YWQ 7 ( Y')# Finalmente establecemos los GRADOS DE LIBERTAD, X VF_'?V^_'? X V !_'? V!_'? ) ( QD QK wKQ( ) @ & YwY YK~# www.FreeLibros.org 440 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO G ## G ## # ~ Y&_w # www.FreeLibros.org El resultado anterior, corresponde a una prueba exacta. 441 CAPÍTULO NUEVE OTRAS PRUEBA DE HIPÓTESIS EJERCICIOS PARA RESOLVER La gran mayoría de los ejercicios de este libro, se encuentran resueltos en el Sistema de Información en Línea SIL. )!# W '"" @ Cara: CARA: ni : Q 1 12 2 17 3 20 4 22 5 13 6 16 ( ' # ))# K 7( @ ( generación F$. Fenotipo FENOTIPO NúmeroDE dePLANTAS plantas NÚMERO Roja Rosada Marfil 20 55 25 Basado en estos datos, ¿puede suponerse que la segregación se ha presentado en la relación ' $ ' )# K + D ! ' & ( ! FLOR MAGENTA ESTIGMA VERDE FLOR MAGENTA ESTIGMA ROJO FLOR ROJA ESTIGMA VERDE FLOR ROJA ESTIGMA ROJO '$" ) ! '$ )# K ( / @ # K *"" ))" corrugadas. 2 a) Calcúlese el valor de χ 2 ? D )"" $$" ( 6 χ la mitad del valor anterior? 2 7 ( ( )"" ( c) Mediante un χ $" 6 V ( $"" 6 @ '*" ?# / Q # )J# Q ) 7 w ( !) 7 ( '" @ $" # Y / ( ! )# consistentes con el modelo? www.FreeLibros.org )*# Q una vacuna como medida preventiva. ( 442 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO TRATAMIENTO ENFERMOS NO ENFERMOS '$ ''! ) !) X G K ' )# D " 7 @ # Y + COLOR PELO CLARO PELO OSCURO $! ) J ' 7 Ojos castaños 50. Un grupo de 100 hombres y 100 mujeres son entrevistados respecto a su interés en cierto programa # & & @ ! ( *" 7 @ @ $" # K+ &6 & @ 7 al programa? ( '? 51. Los siguientes datos muestran e1 efecto de cierto tipo de fumigación sobre el deterioro de la fruta. PROCESO DETERIORADA SANA TOTAL Sin fumigar Fumigada Total * $ 10 ' ') 30 $) ' 40 ¿Depende la cantidad de fruta deteriorada de su fumigación? ( $ ? $# W !" & @ *" 7 + pipa. Los resultados son los siguientes: SEXO MARCA A MARCA B Hombres Mujeres Total 9 * 17 K+ VG ?# !# K pelo es: ( TOTAL $' J$ 93 6 ( !" *" 110 GRUPOS PELO ROJIZO PELO CLARO PELO OSCURO TOTAL Grupo A Grupo B Grupo C Total $ ! 15 20 9 15 30 9 $' $" 50 $" !" 50 100 w '?# 6 VW www.FreeLibros.org )# K 6 ( / ( ( #( # CAPÍTULO NUEVE OTRAS PRUEBA DE HIPÓTESIS 443 K ( # D @ & $'" ( A ! XKGQKQ Go# QK XwDwD B $" C )J D !$ E 51 F $ Total $'" # W ( 6 @ '"$ ( & 6 @ )! 6 # & + relación entre el número de accidentes y el hecho de que ocurran en la fábrica A o en la fábrica B (hipótesis nula). # K ( & regiones donde posee sucursales. Este servicio puede suponer que el número de artículos de sonido digital vendidos por región, durante la semana en cuestión no está conforme con las cuotas de reparto? ('?# REGIÓN NÚMERO DE ARTÍCULOS VENDIDOS CUOTAS A ALCANZAR ' *! ) ) 300 '* !" $' 'J ') 100% Costa Atlántica Antioquia Santanderes (oriente) Centro del país X V @ D? Total J# Q ( @ ( & @ de la conservación de productos enlatados. Los resultados obtenidos son los siguientes: PROCEDIMIENTOS A B Totales FRACASOS ÉXITOS TOTALES JJ ) '!' ! '$ ')" '$" $" ¿A qué conclusión podemos llegar? ( "("? *# K ( 6 ( V ( @ ?# $( ( @ ( de la máquina que las fabrica? MÁQUINA No. 1 $ ! ) Totales Buenas CLASIFICACIÓN Regulares Malas $$ '* 110 150 J $' 119 $ '$J ) 105 ! ) J $*) TOTALES 505 !* $' !)) '#'! www.FreeLibros.org 444 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO # D '#'"" @ &6 y beber. Los resultados de la encuesta fueron: BEBER G Ocasionalmente Moderadamente Excesivamente Total Nunca Ocasionalmente * '! '$* '!) 500 $! )) $ J 100 FUMAR Moderadamente '$* 101 15 300 Excesivamente TOTAL % ! J ) )) 200 $"" )"" !"" $"" 1.100 '*('* !(! $J($* '*('* ¿Qué conclusión debe deducirse respecto de los hábitos de fumar y beber, entre los habitantes de la ciudad? ( "(" ?# "# D $"" ( # D 7 ( @ ( son: CURSO ' $ ! ) Totales PREFERENCIA Fútbol Tenis 51 J) $ 90 240 110 '" '$) " 400 ! $" 51 50 160 TOTALES $"" $"" $"" $"" 800 ¿Tienen los cuatro cursos la misma preferencia? ( "(" ?# '# Y ( χ puede tener valores negativos D ) @ ! ( La suma de los valores esperados es igual a la suma de los valores observados. K ( @ K & ( La corrección de Yates se hace solamente cuando el número de grados de libertad es igual a 1. 2 # # $# & ( !J) $J & @ * 7 { $" @ 7 recordaron el slogan. Determinar si esta proporción permite sostener la hipótesis, de que el recuerdo & @ 7 ( '"# !# W ( ( # Para comprobar esta posibilidad, los sondeadores regresaron a las casas hasta que obtuvieron una entrevista. Los resultados fueron: www.FreeLibros.org 445 CAPÍTULO NUEVE OTRAS PRUEBA DE HIPÓTESIS OPINIÓN OPINIÓN DEL PRODUCTO TOTAL % ! )$ $$ * '$ ) "(! "()J "#'J 100 270 Primera llamada Llamadas posteriores Excelente Satisfactorio No satisfactorio $ *) $) Totales 170 Probar si las amas de casa que no se encontraron, tienen la misma opinión que las que si se encontraron ( "(" ?# )# )"" + ( @ @ + # ( las preferencias de los hombres y de las mujeres respecto a dichos productos? # Q defectuosos. SEXO MARGARINA MANTEQUILLA Hombres Mujeres * ')) J) 6 ( @ ( 7 RESULTADOS A B Defectuosos )" " G !"" 500 K+ % a) La mejor empresa b) Buena pero podría ser mejor c) Mediocre d) Mala W !#"!" VG '?# # Q + ( 7 fábrica ha sido la siguiente: OPINIÓN * 11 ! 1 OPINIÓN PERSONAS a b c d $#J! $$ '$) )' !#"!" www.FreeLibros.org TOTAL Y ( '"( 7 446 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO J# G ( LUNES MARTES MIÉRCOLES JUEVES VIERNES SÁBADO * J '! '$ X 6 & / *# D $$" @ + ( # CALIFICACIÓN @ Aprueban 110 *" Reprueban $" 10 ( &@ + @ @ ( 6 HÁBITO DE FUMAR BEBEDORES ABSTEMIOS Fumadores en exceso Fumadores promedio Poco fumadores G )" " *" 10 $" )" )" " Total 190 '" K+ ? # VG ?# MUJERES # D ( hábitos de fumar, como sigue: TOTAL '" HOMBRES DOMINGO @ VG J"# K 6( @ Y( $)"( $"" @ '" personas: respectivamente. Se les preguntó qué tipo de programa de televisión preferían: novelas, ( # TIPO DE PROGRAMA BOGOTÁ MEDELLÍN CALI TOTAL G Musicales Y Comedias J" 100 )" !" )" *" 50 !" )" " !" !" 150 $)" '$" 90 Total $)" $"" '" "" ( & en las tres ciudades. J'# D $!" @ acuerdo al tratamiento por cierto método y su recuperación es: PACIENTES CURADOS NO CURADOS www.FreeLibros.org Tratados G ')" $" !" )" ¿Existe alguna relación entre el tratamiento y la curación de los pacientes? ( D '?# 447 CAPÍTULO NUEVE OTRAS PRUEBA DE HIPÓTESIS J$# Q ( ? D ) @ ! ( # 2 b) χ puede tener valores negativos. ? D B$+$C( ' @ Yates. d) La suma de los valores esperados puede ser diferente a la suma de los valores observados. J!# D + familiar. CARACTERÍSTICAS @ POSICIÓN FAMILIAR Padres Hijos !" $) '$ * 10 )" $" G Ocasionales Habituales Exfumadores VG ? J)# D '" # Q '"" ( !" # Q ( ! # / VG '"?# J# D $"" relación con la aplicación de una vacuna. RESULTADOS Positivo G V ? VÍA DE APLICACIÓN * Intradérmica !" J" $" *" ( + ( w w # J# D '#"" ( @ # RESULTADOS Gobiernistas Opositores PREFERENCIA Pro Contra "" $$ !J !"" ~ & ( ( de voto. JJ# W / que vende. + ARTÍCULOS Masculino SEXO Femenino www.FreeLibros.org G Radios Televisores !*" $" $J" )"" !"" !" 448 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO ~ '#" ( & relación con la preferencia. + J*# Y 7 + ( @ ( *' ( de ingreso. Los resultados obtenidos son: NIVEL DE INGRESO Frecuente TELEVIDENTES Ocasional Nunca $$" '!' !" 381 J" 100 *" 250 !" *" '$" 230 Alto Mediano Bajo Total Total !$" !'' $!" 861 De acuerdo a lo anterior, pruebe que existe alguna relación entre los niveles de ingreso y la ( '# J# ~ + ( ( según el tamaño de la pantalla es el siguiente: ') '* ' $$ 7 ' )" D $"" mación: ')C )$ # 'C ** # $' $" @ 'C )" # $'C !" # Y ( ( *"# D & )#""" ( & # RESPUESTA SEXO Acabado 950 *" Masculino Femenino Pruébese con "(" entrevistado. Precio 550 '#" + *'# K ( & '#""" & ( ( ( ( ( DESEMPEÑO Bueno Regular Malo Total NIVEL EDUCACIONAL Elemental Secundario Universitario *$ 10 * 100 )$J 110 ! 600 191 " ) 300 Total J"" '*" '$" 1.000 www.FreeLibros.org CAPÍTULO NUEVE OTRAS PRUEBA DE HIPÓTESIS W ( del nivel educacional de los encuestados? 449 *$# K B + C + & ( # W $J ( 7 siguientes resultados: G GRUPOS PRIMARIA SECUNDARIA J) TECNOLÓGICA ~( ( UNIVERSITARIA ESPECIALIZACIÓN 50 ) )$ +6 # *!# K 7 ( '"" 7 ( ( con el grado de delincuencia y el contacto con los padres durante los ratos libres. ¿Proporcionan ( &@ G # TIEMPO LIBRE COMPARTIDO CON EL PADRE Alto Bajo Total *)# D & NO DELINCUENTES TOTAL 10 $" 30 $ )' 70 ! ' 100 MÁQUINA A B ~/ DELINCUENTES ROSA 11 LILA JJ J 6 AMARILLO ANARANJADO 5 10 J VERDE ! 6 ( *# K de mercancía equivocada o defectuosa en un cierto mes del año, es la siguiente: TIENDA No. KYYwGKD 1 ! 2 J* 3 ) BLANCO ! "("'# ( 4 ) 5 Sobre la base de estos resultados, ¿es sostenible la hipótesis de que el número de reclamaciones que recibe cada tienda, es aproximadamente el mismo? ( "("? *# D B$+$C( # m1 '" m$ !" ( m! $) m) ' n )" AD ''$ # %& !$ www.FreeLibros.org *J# K ( 6 # D diversas horas, con distintos profesores. A continuación se presenta el número de alumnos que eligieron cada una las siete secciones: 450 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO SECCIÓN Go# WGD ( 1 '* 2 '$ 3 $ 4 $! 5 * 6 19 7 ') Total 119 DÓCIMA O PRUEBA DEL SIGNO La prueba del signo es HOPpWRGRQRSDUDPpWULFR más sencillo, se emplea de preferencia, cuando se ob ( las observaciones apareadas. El análisis estadístico que no depende del conocimiento de la distribución, ni de los parámetros de la población, se denomina PpWRGRQRSDUDPpWULFRRGHGLVWULEXFLyQOLEUH. Esta prueba es aplicada, en aquellos experimentos cuyos resultados son observados DQWHV\GHVSXpV; por lo tanto tal como se trabajó enREVHUYDFLRQHVDSDUHDGDV, se establece la diferencia para cada par de observaciones, pero sólo tomando el signo, de ahí que se denomineSUXHEDGHOVLJQR, diseñada en especial para distribuciones no paramétricas. La GyFLPDGHOVLJQR es usada erróneamente en distribuciones paramétricas, debido a la facilidad de 6 # D ( @ + ( @ / ( ww V ?# 6 ( que n (el número de pares), sea relativamente grande, 15 o más pares. Al suponer que las dos poblaciones tienen medias idénticas, el número de signos positivos debe ser aproximadamente igual al número de signos negativos. Se designa p '$ V ?( T '$ V ? @ Qi la diferencia entre [y\. Se cuenta el número de signos positivos y negativos; la suma corresponde a n, es decir, se excluyen las diferencias iguales a cero. Mediante la 'LVWULEXFLyQELQRPLDO se puede obtener la probabilidad (dado el @ ?( 6 ( # / 6 p "( T "( n [ ~ # ~ # Suma del número de positivos más los negativos, excluyendo los ceros. El número de signos positivos (puede ser considerado el número de signos negativos). 'LVWULEXFLyQELQRPLDO, pero es preferible trabajar con la 'LVWULEXFLyQQRUPDO( { ( para calcular la media y desviación estándar en una Distribución binomial. μ = Media de la distribución binomial → μ = QS σ = D esviación típica en la distribución binomial → σ = Q S T x = valor de la variable. (Número de positivos o negativos) www.FreeLibros.org CAPÍTULO NUEVE OTRAS PRUEBA DE HIPÓTESIS 451 Se debe tener en cuenta que X, puede corresponder al número de signos positivos o negativos. Sin embargo, es preferible trabajar con el número de positivos, observando que si es mayor que Pse le debe restar 0,5; si por el contrario es menor que P "( ( fórmula para la distribución normal. == La YDULDQWHHVWDGtVWLFD estará dada: ; −μ σ Di [i y\i, se tomará únicamente el signo de cada par. ciertas cantidades. @ Ejemplo 1# D ( ( + # K+ VG ? Experimento RENDIMIENTO Rendimiento AA EXPERIMENTO 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 48,6 43,0 41,0 39,1 36,8 40,8 28,9 35,9 39,2 47,8 42,1 47,6 26,4 30,6 39,8 37,5 28,1 33,3 43,0 29,0 ' =[ −\ Rendimiento B B RENDIMIENTO 42,3 45,1 41,0 36,4 32,8 42,6 30,3 33,2 39,2 45,4 40,6 48,5 26,4 28,6 36,4 35,0 29,1 31,0 43,0 27,0 + 0 + + + 0 + + 0 + + + + 0 + Solución: Q = 16 S = 1/ 2 μ = QS = 16 (1 / 2 ) = 8 T =1 / 2 σ = ; = 11 ( Número de +) QST = 16 (1 / 2) (1 / 2) = 2 Mediante la Distribución normal, como aproximación a la Binomial, tenemos que: = = 2 1) + 0 : 3 = 1 / 2 + : 3 ≠ 1/ 2 2) ∝ = 0,05 ; −μ σ 3) σ = 2 α = 0,025 2 α = 0,025 2 www.FreeLibros.org 4) = = 10,5 − 8 = 1,25 2 -1,96 1,96 452 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO D & ( @ '($ ( ( # ( Nota: se toma 10,5, correspondiente al límite inferior de X ''{ '' @ * (valor de P). Recordemos que la distribución binomial requiere que la variable sea dis @ ( # K & vemos el procedimiento a seguir: 1) + 0 : 3 = 1 / 2 + : 3 ≠ 1/ 2 X. Obser- 2) ∝ = 0,01 α = 0,005 2 3) σ = 2 4) = = ; − μ 5,5 − 8 = = −1,25 σ 2 Se acepta H0( α = 0,005 2 -2,57 2,57 ( # Otro procedimiento de cálculo Existe otro procedimiento mucho más fácil en la aplicación de la GyFLPDGHOVLJQRy en considerar, en ( ( p. El ejercicio en consideración presenta 5 signos negativos, por lo tanto p # K ( mediante la aplicación de la fórmula siguiente: N= ( (Q − 1) − (0,98) Q + 1 reemplazando se tiene: 2 N = 16 − 1 − 0,98 16 + 1 = 7, 5 − 0,98 ( ,12 ) = , 6 2 Es necesario aclarar, que esta fórmula sólo se aplica en SUXHEDVELODWHUDOHV( # Si s < k & & ( & s > k se acepta H0. Teniendo en cuenta el 7 > !()( s > k, se acepta la hipótesis nula, o sea que + # Ejemplo 1. D ( + # K+ ' EXPERIMENTO 1 2 3 4 5 6 REND. A 48,6 43,0 41,0 39,1 36,8 40,8 REND. B 50,1 48,6 42,9 42,6 37,5 41,3 EXPERIMENTO 15 16 17 18 19 20 REND. A 39,8 37,5 28,1 33,3 43,0 29,0 REND. B 40,8 37,3 27,5 32,4 48,6 31,1 ( ( www.FreeLibros.org &RQWLQ~D CAPÍTULO NUEVE OTRAS PRUEBA DE HIPÓTESIS &RQWLQXDFLyQ 7 8 9 10 11 12 13 14 28,9 35,9 39,2 47,8 42,1 47,6 26,4 30,6 38,6 37,3 42,6 46,1 43,4 48,2 26,3 31,7 21 22 23 24 25 26 27 28 27,4 28,0 28,3 26,8 42,2 38,9 39,0 33,6 [ \ ' =[ −\ 50,1 48,6 42,9 42,6 37,5 41,3 38,6 37,3 42,6 46,1 43,4 48,2 26,3 31,7 40,8 37,3 27,5 32,4 48,6 31,1 28,0 28,7 28,8 26,8 42,2 39,1 39,4 34,0 + + + + + 0 0 - 453 28,0 28,7 28,8 26,8 42,2 39,1 39,4 34,0 Solución: Experimento EXPERIMENTO 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 48,6 43,0 41,0 39,1 36,8 40,8 28,9 35,9 39,2 47,8 42,1 47,6 26,4 30,6 39,8 37,5 28,1 33,3 43,0 29,0 27,4 28,0 28,3 26,8 42,2 38,9 39,0 33,6 Para obtener el valor de n, se toman únicamente los signos positivos y negativos. D D $' n $ 2 S= 1 T=1 μ = QS = 26 ⎛⎜ 1 ⎞⎟ = 1 2 2 ⎝2⎠ σ = ⎛1⎞ ⎛1⎞ Q S T = 26 ⎜ ⎟ ⎜ ⎟ = 2,55 ⎝2⎠ ⎝2⎠ α = 0,005 2 : α = 0,005 2 0 www.FreeLibros.org 1) + 0 : 3 = 0,5 + : 3 ≠ 0,5 2) ∝ = 0,01 3) σ = 2,55 -2,57 2,57 &RQWLQ~D 454 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO ; − μ 5,5 − 1 = = − 2,9 σ 2,55 Z] = D & & # K 7 @ # .= K Q −1 Q +1 .= { { @ s < k( & ( 26 − 1) − 0,98 26 + 1 = 12,5 − 5,09 = 7, 1 2 − Siendo s ( '# D + & p. # Ejemplo 2# D + ( @ & & ( # K ( 7( ( X @ \ aquéllos & & # D ! + ( $J X es mayor que Y y ! ( X es igual a Y# D @ & & # VG ? Solución: D S = 0,5 $J D T = 0,5 σ = Q ST = + 0 : 3 = 0,5 + : 3 > 0,5 μ = QS = 2 ⎛⎜ 1 ⎞⎟ = 16 ⎝2⎠ 2 ⎛⎜ 1 ⎞⎟ ⎛⎜ 1 ⎞⎟ = 2,8 ⎝ 2⎠ ⎝2⎠ 2) ∝ = 0,05 α = 0,05 σ = 2,8 Z] = n !$ 1,65 ; − μ 26,5 − 16 = = ,71 σ 2,8 @ & & ( # - La SUXHEDGHOVLJQR se debe aplicar en todos aquellos casos, en los cuales no nos interesa la PHQVXUDELOLGDG de los datos, sino su FRPSDUDELOLGDG, cuando las observaciones están dadas en condiciones diferentes, por lo tanto se tienen distribuciones diferentes. Ejemplo 3# W + $ ( / en una asignatura, aplicando dos sistemas de evaluación diferentes, arrojó los siguientes resultados: ~ '! Y J G www.FreeLibros.org ( &@ temas? - CAPÍTULO NUEVE OTRAS PRUEBA DE HIPÓTESIS 455 Solución: Q = 1 + 5 = 18 μ = 18 (1 / 2) = 9 σ = Q ST Q = 18 μ = QS σ = 18 (1 / 2) (1 / 2) = Y > P( ( '! > ( "( ( 2) ∝ = 1) + + 3= 3≠ 3) = = ; −μ 1 − = =1 6 1 σ ,5 = 2,12 '$(# ~ α= 6 α= 1 6 1 6 Y '( ( 0, por lo tanto la diferencia entre los dos siste ( # K & ( ( puede emplear la siguiente fórmula: .= (Q − 1) − (0,98) 2 Q +1 .= ( (18 − 1) − (0,98) 18 + 1 = ,7 2 Observando que el signo negativo es menos frecuente, se tendrá que S # & S > k se acepta & V > )(J!?( # EJERCICIOS PARA RESOLVER La gran mayoría de los ejercicios de este libro, se encuentran resueltos en el Sistema de Información en Línea SIL. **# K + Vno paramétrico) se dan las velocidades (HQ Q~PHUR GH HOHPHQWRV HPSDTXHWDGRVSRUKRUD? # Q es superior. PAR SISTEMA I SISTEMA II 10 1 J 11 $ '$ 9 ! 9 * ) '! 15 5 J '$ '! 11 J 9 '! * * 15 9 10 10 10 11 '! 11 9 '$ '$ &RQWLQ~D www.FreeLibros.org 456 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO &RQWLQXDFLyQ *# ( ( $" es de dos semanas, son: @ / ( @ 'J ')) '$ 'J '*$ 'JJ ') $"! '*J ' '* 'J '*$ '" '*' 151 ' '*) '*J 195 '* ')J '$* 'J '*! 'J 159 $'$ '$ 'JJ '* $") '** 'J '* ') 'J$ '* 191 $"" 1 $ ! ) 5 J * 9 10 11 '$ '! ') 15 ' 'J '* 19 $" & PESO (en libras) Antes Después PERSONAS W ') * 10 * J J '$ 15 ') '! ') '$ ') '$ 15 15 '! ') 15 ' 'J '* 19 $" @ ( & # 90. Las parejas de 15 matrimonios fueron sometidas a un “test” relativo al sentido del humor de una # W ( ( ( &@ el sentido del humor de esposos y esposas, con base en los siguientes resultados obtenidos. PAREJAS: 1 Parejas: Esposo: 56 Esposa: 49 2 90 88 3 38 51 4 47 50 5 85 83 6 49 41 7 55 52 8 58 69 9 68 83 10 74 89 11 83 77 12 87 62 13 60 65 14 31 44 15 89 92 www.FreeLibros.org '# K $"'' 6 CAPÍTULO NUEVE OTRAS PRUEBA DE HIPÓTESIS DÍAS: Días: Número defectuosos A: B: DÍAS: Días: Número defectuosos DÍAS:Días: Número defectuosos 1 2 3 4 5 6 7 8 9 10 8 9 5 4 10 12 7 9 9 10 11 11 3 6 6 7 6 8 8 10 11 12 13 14 15 16 17 18 19 20 A: 5 6 9 3 7 10 9 13 8 4 B: 6 9 11 6 7 8 12 13 9 6 21 22 23 24 25 26 27 28 29 30 2 3 8 9 8 10 6 9 5 7 10 11 9 9 4 6 7 6 3 5 A: B: 457 / V/ ? ( ( ( @ ( & &@ # $# Y 2 1 NÚMERO: 3 4 5 6 7 8 V & / ? 9 10 11 12 13 14 15 16 Experimental: 46 42 38 36 30 28 25 20 20 17 14 9 8 7 5 4 Control: 6 9 5 3 3 40 42 36 38 32 25 25 22 17 15 10 Aplique la prueba del signo y la normal (observaciones apareadas), para determinar si las diferen # VG ?# !# K ( + / # D '* ( 6 edad, se les asignan los métodos en forma aleatoria. PARES: Pares: 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 Método I: 27 28 10 20 11 11 15 27 21 20 28 32 30 26 38 27 34 36 Método II: 20 25 10 21 11 13 18 20 16 20 23 29 26 28 29 23 26 33 ~ & ( ( ? W # ? W / # # )# D @ ( 7 # D @ # son asignados en grupos a uno de los dos procedimientos. El tiempo establecido en segundos para 7 Par: PAR: 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 I: 440 400 400 310 300 410 260 260 320 380 360 370 290 290 286 310 252 II: 410 440 290 270 300 360 250 300 340 350 360 350 250 290 290 320 252 www.FreeLibros.org 458 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO a) Aplique la prueba del signo, para determinar si la diferencia entre los procedimientos es # b) Aplique la prueba “tC ( # c) Compare los resultados anteriores obtenidos. ? 7 V? @ V?# 95. En un estudio para determinar el efecto de una droga sobre la agresividad, se formaron dos grupos y se aparearon; al grupo A se le suministró la droga y al grupo B se le dio una droga que no # w / ( para comprobar la agresividad. Los puntajes obtenidos fueron: (D PD\RU FODVL¿FDFLyQ PD\RU DJUHVLYLGDG). Parejas: PAREJAS: 1 4 5 6 7 8 12 16 5 9 7 11 8 16 8 5 8 6 12 14 8 4 9 Grupo B: 10 15 10 18 13 14 9 16 6 16 6 5 5 4 11 12 8 2 8 Grupo A: 10 W 2 3 8 9 10 11 12 13 14 15 16 17 18 19 ( ( # W ( ( obrero. PAR: Par: 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 Antes: 45 44 29 27 30 36 35 30 34 40 43 29 32 38 34 28 32 36 Después: 45 48 36 27 28 32 31 42 36 42 44 29 30 42 40 28 30 40 Se pide: ? ( 7 VG ? ? V ? G ( @ { ( V? 7 # J# ~ & ( antes y después de su aplicación; los resultados fueron: INDIVIDUOS: Individuos: 1 2 3 4 5 6 7 8 ( 9 10 11 12 13 14 15 16 17 Antes: 65 65 76 84 68 70 66 82 64 65 88 82 70 70 75 80 92 Después: 72 70 78 84 74 76 72 79 65 70 88 80 76 76 75 86 80 W ( pendientes y luego trabájela como perteneciente a una distribución no paramétrica, que las diferen # *# W ( '* sobrios y se repitió dos horas después de que cada uno había ingerido 100 cc de aguardiente. Los resultados del índice de ansiedad fueron: www.FreeLibros.org CAPÍTULO NUEVE OTRAS PRUEBA DE HIPÓTESIS Sujeto SUJETO : 1 2 3 4 Antes : 98 81 72 Después : 82 71 63 5 6 63 92 63 90 7 8 63 81 72 66 9 10 11 12 13 14 15 16 17 18 73 63 54 63 82 54 88 50 88 93 88 82 68 97 52 82 81 72 63 81 63 54 459 ? ( ( & sobre la ansiedad? ? ( Bt” (observaciones apareadas), ¿se podrá concluir que el alcohol no reduce la ansiedad? 99. Para probar los efectos de un curso de educación física sobre la condición corporal de los alumnos, & B C # Q ( Personas : PERSONAS: Antes : 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 29 22 25 29 26 24 21 20 46 38 28 30 29 25 21 22 23 Después : 30 26 25 35 33 36 32 20 54 58 43 30 30 20 20 20 23 Con las anteriores observaciones apareadas, provenientes de poblaciones dependientes: ? ~ & & 7 ( # ? W ( & & 7 ( # 100. Un químico asegura que ha descubierto un aditivo para la gasolina, que aumenta el rendimiento # ~ '* @ # resultados en kilómetros/ galón son: Automóvil: AUTOMÓVIL: Sin aditivo: Con aditivo: 1 2 3 4 5 6 7 8 9 40,6 63,3 48,2 38,4 39,2 42,6 42,0 46,1 51,0 51,2 62,1 52,3 42,0 43,5 40,5 42,0 50,2 51,0 Automóvil: AUTOMÓVIL: Sin aditivo: Con aditivo: 10 11 12 13 14 15 16 17 18 39,1 38,6 42,0 38,6 38,4 37,3 38,6 39,3 37,6 42,6 40,4 42,4 37,5 39,6 40,2 41,2 38,4 40,2 a) Considere que las muestras provienen de poblaciones dependientes. (Observaciones apareadas) D @ VG ?# b) Considere que las muestras provienen de poblaciones no paramétricas (Aplicando la prueba del ? @ VG ?# '"'# K ( + manejo económico $" # ~ ( "(" @ # V8WLOLFHORVGRV PpWRGRVGHFiOFXOR). Conductor: CONDUCTOR: Antes: Después: 1 30,4 30,4 2 3 28,6 27,6 29,4 30,0 4 5 34,2 32,8 34,4 33,8 6 30,2 30,4 7 30,1 32,4 8 32,4 34,5 9 33,3 33,3 10 28,4 30,6 CONDUCTOR: Conductor: Antes: Después: 11 33,6 31,4 12 13 36,4 36,6 34,2 36,6 14 15 35,4 30,6 34,5 33,5 16 37,6 36,6 17 37,6 39,4 18 38,6 38,6 19 34,5 37,3 20 33,8 31,4 www.FreeLibros.org Nota: El rendimiento se tomó en kilómetros / galón. 460 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO '"$# K + V / ? V empaquetados por hora), aplicando dos sistemas diferentes con los siguientes resultados: ~ ') G ! Y ! CORRELACIÓN POR RANGOS Conocida también como Método de Spearman, algunos la denominan 3UXHEDGHOFRH¿FLHQWHGHFRUUHODFLyQGHODVFDWHJRUtDV( @ ~ @ D '!{ + ( nal, de tal manera que se puedan colocar en dos series ordenadas. U =1− 6Σ G Q −Q !"# $% &'$ ( )* Ejemplo 1# D fueron evaluados con dos instrumentos. No.: 1 2 xi: 85 78 yi: 50 38 ' 3 4 5 6 75 65 80 83 30 25 38 42 7 76 35 8 65 25 9 10 83 76 45 35 11 83 42 12 65 25 13 90 55 ( ' 7 14 80 40 15 84 48 16 76 35 Primero: Ordenamos los datos de menor a mayor, o de menor a mayor, de esta manera establecemos los rangos: [i : J J J J J* *" *" *! *! *! *) * 90 Rango : $ $ $ $ $ $ ) !" ! ! ! * !* 9,5 !* 9,5 )" '$ )$ '$ )$ '$ ) ') )* 15 50 ' 55 $ $ $ ) *( *( 10 11,5 11,5 '! ') 15 ' \i : Rango : Segundo X y Y en la tabla original (enunciado) por su respectivo rango, luego establecemos las diferencias entre cada rango y las elevamos al cuadrado. Finalmente sumamos la columna d i$ !J Rango [i : Rango \i : di : di$ : $ 9,5 ) 9,5 * '$ ') 15 ' $ '$ ) $ 10 *( 11,5 ') 15 ' '! $ _$ J( 0 _ 1 _!( _$ -1 -1 ! 0 ) ($ 0 ! 1 '$($ ) 1 1 9 0 ! ($ U = 1− PRUEBA DE 6 ( 57) 2,1 2 = 1− = 1 − 0,525 ,080 16 − 16 '$ $ *( _$( $ 11,5 0 10 -9,5 0 100 "($ = 0, 75 rs www.FreeLibros.org Cuando n es grande (n > $? rs tiene el comportamiento de una distribución aproxima G " @ Q 1 Q − 1( Z, siendo: CAPÍTULO NUEVE OTRAS PRUEBA DE HIPÓTESIS == 461 U −0 Q −1 1 Ejemplo 2. Suponiendo que n $* rs "()*( # Solución: = = U − 1 Q −1 =U Q −1 = −1 = 1) H0: Rs " VQRHVVLJQL¿FDWLYRQRKD\FRUUHODFLyQ ) Ha: Rs # 0 (HVVLJQL¿FDWLYRKD\FRUUHODFLyQ ) $? "(" ( # D variables están asociadas en la población de donde se seleccionó la muestra. &XDQGRQHVSHTXHxD (10 < n $? distribución “t” de Student, donde: W= α = 0,025 2 α = 0,025 2 -1,96 1,96 rs ( U −0 2 (1 − U ) / (Q − 2) = U 7 Q−2 1− U 2 Si consideramos el ejercicio donde, n ' @ rs "()J( W= 0, 75 (1 − 0, 752 ) / (16 − 2) 1) + : 5 = 0 0 + :5 ≠0 2) ∝ = 0,05 = 2,02 υ = Q−2 =1 ∝ = 0,05 W0,05 = 2,1 5 ó W= 0, 75 16 − 2 (1 − 0, 75 2 ) + :ρ =0 +1 : ρ ≠ 0 ( @ &@ ( ( # También se puede decir que estas dos variables no están asociadas en la población de donde se extrajo la muestra. En PXHVWUDVSHTXHxDV( Xww( rs, veamos su uso: 1) + 0 : 5 = 0 + :5 ≠0 2) ∝ = 0,05 U = FDOFXODGR = 0, = 2,02 α = 0,05 α = 0,05 -2,1 5 W 2,1 5 + :ρ =0 +1 : ρ ≠ 0 α 2 α 2 www.FreeLibros.org Q = 16 U 75 -0,507 0,507 462 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO Observamos que rs "()J ( ( H0, donde Rs "( &@ # D ( ( 6 ( resultado igual al obtenido cuando aplicamos la TABLA II, correspondiente a la “t” de Student. Para muestras pequeñas (n < !"? rs { & BC D ( & 7 ( ( / ( Xww V libro), correspondiente a los &RH¿FLHQWHVGH Spearman( pequeñas. LA PRUEBA T DE WILCOXON Denominada por algunos como 3UXHEDGHOVLJQRGHODVFDWHJRUtDV, ya que no sólo establece las dife ( ( / SUXHEDGHOVLJQR( @ pruebas no paramétricas. Esta ^ ` + ')# MUESTRAS PEQUEÑAS X LJXDODGRV. Se obtienen las diferencias para cada par de observaciones, di [i±\i Luego establecemos categorías, ordenando sus diferencias de acuerdo con sus magnitudes en valor absoluto, es decir, no tomamos en consideración el signo. Procedemos a determinar el valor de T, para ello seleccionamos la suma más pequeña para uno de los signos. Determinamos el valor de n( # D n < $ Xwww V ?( n > $( rangos tiene una 'LVWULEXFLyQQRUPDO( Z. 1RWD9DOHODSHQDDQRWDUTXHDOJXQRVDXWRUHVFRQVLGHUDQXQDPXHVWUDSHTXHxDFXDQGRQ<\ JUDQGHFXDQGRQ! Ejemplo 1. Para explicar el procedimiento e interpretación de los resultados obtenidos, partamos del '$ 7 ( 7 &7 los problemas escolares, (un menor puntaje corresponde a una actitud menos favorable): PAREJA : www.FreeLibros.org + ( 7 ( CAPÍTULO NUEVE OTRAS PRUEBA DE HIPÓTESIS 463 Solución: PAREJA ESPOSA ESPOSO RANGO di SIGNO MENOS FRECUENTE 4,0 5 4,0 5 di ORDENADO RANGO 3,5 ∝ = 0,05 0,05 Con una T0,05 ') Ho( ' # Y @ # Si se hubiese presentado el caso en que T < T0,05 & 0( ( @ ( &7 # Ejemplo 2# D @ ( # D inteligencia y el número de años de educación. Los miembros de cada par son asignados en grupos a uno de los dos procedimientos. El tiempo en segundos para terminar el montaje es como sigue: PAR: Par: x: y: 1 44 41 2 3 4 5 6 40 40 31 44 41 44 29 27 30 41 7 26 28 8 26 30 9 32 34 10 11 38 37 23 29 12 29 25 13 14 15 16 20 40 31 44 20 36 27 44 Solución: Experimento EXPERIMENTO 1 2 3 4 5 6 Procedimientos PROCEDIMIENTOS I II 44 40 40 31 44 41 41 44 29 27 30 41 di 3 4 11 4 14 0 Categoría ddii CATEGORÍA + 3 11 6,5 12 6,5 No. 1 2 3 4 5 6 Orden ORDEN 2 2 3 4 4 4 Rango RANGO 1,5 1,5 3 6,5 6,5 6,5 www.FreeLibros.org 464 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO &RQWLQXDFLyQ 7 8 9 10 11 12 13 14 15 16 26 26 32 38 37 29 20 40 31 44 28 30 34 23 29 25 20 36 27 44 2 4 2 15 8 4 0 4 4 0 13 10 6,5 6,5 6,5 75,0 1,5 6,5 1,5 16,0 7 8 9 10 11 12 13 4 4 4 8 11 14 15 6,5 6,5 6,5 10 11 12 13 Nota: Eliminamos las diferencias iguales a cero Observemos en las tablas anteriores la más pequeña, en la cual aparece di, ordenada de menor a @ ( # G 5 = 1 + 2 = { ! V ?( G #( $( 6 '( 2 2 !{ ) ( + = 1 ( { '" 6 10 y así sucesivamente. Sabemos que la prueba es bilateral, que n '! D "(" @ 7' negativos, siendo la más pequeña de las dos columnas. K G # Xwww YDORUWHyULFR es de T0,05 'J# { Si T < T0,05 & > H0 Si T > T0,05 aceptamos > Ha { K 7 ' 'J{ < T0,05 por lo tanto aceptamos Ha: la GLIHUHQFLDHVVLJQL¿FDWLYD( # Si nos devolvemos a observar la prueba del signo, el resultado es al contrario, es decir, que no existe una V 0? ( # MUESTRA GRANDE K ( grandes (n > $? 7 G # ' 6 )J( 7 Ejemplo 3# 6 $"''# ~ ( &@ # www.FreeLibros.org CAPÍTULO NUEVE OTRAS PRUEBA DE HIPÓTESIS NÚMEROS DEFECTUOSOS Número defectuosos . RANGOS Rangos Días A B GG ==[[−−\\ 1 2 3 4 5 6 8 5 10 7 9 11 9 4 12 9 10 11 11 11 22 22 11 00 6 7 8 10 6 9 11 6 7 8 12 13 9 6 3 9 10 9 7 11 9 6 6 5 3 1 2 2 1 3 2 3 0 2 3 0 1 2 1 1 2 3 2 1 0 2 1 2 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 3 6 6 8 5 6 9 3 7 10 9 13 8 4 2 8 8 6 5 10 9 4 7 3 5,5 5,5 5,5 5,5 16,0 16,0 16,0 16,0 5,5 5,5 24,0 24,0 5,5 5,5 16,0 16,0 16,0 16,0 5,5 5,5 24,0 24,0 16,0 16,0 ORDEN Orden + 24,0 24,0 24,0 24,0 5,5 5,5 16,0 16,0 5,5 5,5 5,5 5,5 16,0 16,0 24,0 24,0 16,0 16,0 5,5 5,5 16,0 16,0 5,55,5 16,0 16,0 T = 27 465 No. di Rango 1 2 3 4 5 6 1 1 1 1 1 1 1 1 1 1 1 1 5,55,5 5,55,5 5,55,5 5,55,5 5,55,5 5,55,5 77 88 99 1010 1111 1212 1313 1414 1515 1616 1717 1818 1919 2020 2121 2222 2323 2424 2525 2626 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2 3 3 3 3 3 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2 3 3 3 3 3 5,55,5 5,55,5 5,55,5 5,55,5 1616 1616 1616 1616 1616 1616 1616 1616 1616 1616 1616 2424 2424 2424 2424 2424 1 2 3 4 5 6 Nota: Elminamos las diferencias iguales a cero, siendo Q = 26 Observemos que el valor de 7 $J# 6 ( n > $( 7 es aproximadamente normal (recordemos que algunos la consideran así cuando n > 50), procedemos a calcular la PHGLD\ODYDULDQ]D de7, cuando n $( 0 [T] = 7 = 9[T] = Q ( Q + 1) = 26 ( 27 ) = 175,5 ( 2Q + 1) 0 [T] Q ( Q + 1) (2Q + 1) = Reemplazando, se tendrá el mismo resultado 6 2 9[T] = 6[2T] = (52 + 1) (175,5) 26 (27) (52 + 1) = = 1 550,25 6 2 6 [T] = 62 = 1 550,25 = 9,17 K ( 6 www.FreeLibros.org 466 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO == 7 − 0 [ ] 27 − 175,5 = = − ,85 6 8,62 [ ] K $J( & ( a elegir la suma más pequeña, sin tener en cuenta el signo, en este caso corresponde a la columna con signos positivos. 1) H0 α = H0 $? D "(" !? !(* ( ( & H0 y aceptamos Ha, la diferencia entre los 1 6 ( ( ~ α= 1 6 V 6 )'?# PRUEBA U DE MANN-WHITNEY Es la prueba más aplicada, dentro de las distribuciones no paramétricas, debido a que toma la mayor in ( &/ & 6 ( se seleccionan GRVFRQMXQWRVDOHDWRULRVHLQGHSHQGLHQWHV, en tal forma que se puedan ordenar por rangos. 6 @ 3UXHEDGHOVLJQR, siendo usada para probar si dos grupos muestrales proceden de una misma población. El proceso de cálculo se hace engorroso, cuando los tamaños muestrales n1 y n$ son grandes, pues se trabaja con dos grupos independientes. MUESTRAS GRANDES El cálculo o desarrollo de esta prueba, requiere de los siguientes pasos: Se ordenan todos los datos, como si fuera una sola muestra, de menor a mayor. D ( ( # Se coloca el valor del rango al frente de cada observación, manteniendo la presentación original dada para las dos muestras. Se suma la columna del rango en forma independiente para cada muestra, obteniéndose R1 y R$ respectivamente. Se aplica la fórmula correspondiente a la prueba U, siendo: (1) 8 = Q1 Q2 + Q1 ( Q1 + 1) − 51 2 (2) 8 = Q1 Q2 + Q2 ( Q2 + 1) − 52 2 La mayoría de los investigadores aplican la Prueba U, cuando n1 o n$ @ $"( esta manera que la distribución tiene un comportamiento similar a la QRUPDO( casos laYDULDQWHHVWDGtVWLFD ( www.FreeLibros.org CAPÍTULO NUEVE OTRAS PRUEBA DE HIPÓTESIS == 467 8 − ( Q1 − Q2 / 2) Q1 Q2 ( Q1 + Q2 + 1) 12 Ejemplo: 1. Supongamos dos muestras grandes e independientes ( n1 $! @ n$ '$? dos pruebas cuyas puntuaciones fueron las siguientes: 2 CATEGORIZACIÓN Categorización PRIMERA Primera PRUEBA prueba xxii SEGUNDA RANGO RANGO Segunda Rango Rango No. Orden Rango No. Orden Rango PRUEBA y yyi i prueba yii xxi i 5 13 13 8 10 12 16 15 8 6 14 18 n2=12 10 4 9 10 11 14 13 4 6 5 6 7 6 7 8 14 6 4 8 6 12 10 7 n1=23 Σ Como 6R$<6R1 8 = Q1 Q2 + 8= 1 21,5 2,0 19,0 21,5 24,0 31,0 28,0 2,0 8,5 5,0 8,5 13,0 8,5 13 16,5 31,0 8,5 2,0 16,5 8,5 25,5 21,5 13,0 = Σ 2 = 282,5 1 1 − 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 4 4 4 5 5 6 6 6 6 6 6 7 7 7 8 8 8 8 2 2 2 4 5 8,5 8,5 8,5 8,5 8,5 8,5 13,0 13,0 13,0 16,5 16,5 16,5 16,5 19 20 21 22 23 24 25 25 26 26 27 27 28 28 29 29 30 30 31 31 32 32 33 33 34 34 35 35 9 10 10 10 10 11 12 12 13 13 13 14 14 14 15 16 18 19,0 21,5 21,5 21,5 21,5 24,0 25,5 25,5 25,5 25,5 28,0 28,0 28,0 28,0 28,0 28,0 31,0 31,0 31,0 31,0 31,0 31,0 33,0 33,0 34,0 34,0 35,0 35,0 8 V $*$( <!)*? Q2 ( Q2 + 1) − 52 2 + 1 5,0 28,0 28,0 16,5 21,5 25,5 34,0 33,0 16,5 8,5 31,0 35,0 = 6+ W − = 1 1) + : Todas las observaciones provienen de la misma población. + : Provienen de poblaciones diferentes. 2) ∝ = 0,05 3) U = 71,5 www.FreeLibros.org 468 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO α = 0,025 2 Al nivel del 5% estas observaciones no provienen de una misma población. α = 0,025 2 -1,96 1,96 MUESTRAS PEQUEÑAS Cuando las dos muestras (n1 y n$? *( V@ ?( / para PXHVWUDVSHTXHxDV + ( @ diferentes a las anteriores. Ahora, si una de las dos muestras tiene un tamaño mayor o igual a 9, se procede de la siguiente forma: Ordenamos todos los datos, de menor a mayor, sin tener en cuenta a qué muestra pertenecen. Se ordenan por rangos todas las observaciones, como se ha venido haciendo en las pruebas { 7 J @ J( @ ( rango será de 5,5. Se obtienen dos columnas para los rangos R1 y R$ D ( La suma de las dos columnas de rangos debe ser igual a: 6R1 La medida U que se debe aplicar puede ser: 6R1 y 6R$ Q (Q + 1) 6R$ 2 Q1 (Q1 + 1) Q (Q + 1) − 51 8 = Q1 + Q2 + 2 2 − 52 2 2 Siempre se toma la fórmula que tenga la 6R más pequeña. wX( n1 y n$, para un determinado ( # 8 = Q1 + Q2 + Ejemplo: 2. Consideremos dos muestras pequeñas, donde n1 * @ n2 ''( W _ `& @( ( ( # Solución: PRUEBAS RANGO RANGO CATEGORIZACIÓN www.FreeLibros.org &RQWLQ~D CAPÍTULO NUEVE OTRAS PRUEBA DE HIPÓTESIS 469 &RQWLQXDFLyQ 7 8 9 10 14 20 11 17 13 23 28 2,0 9,5 5,5 1,0 11,5 15,0 32 18,0 n1= 8 n2=11 Σ 1 = 62 Σ 2 7 8 9 10 18 18 22 22 7,5 7,5 9,5 9,5 17 18 19 32 32 32 18,0 18,0 18,0 =1 2 Elegimos la sumatoria más pequeña, en este caso es 6R1 $( U, tal como se desarrolla a continuación: Q ( Q + 1) 8 = Q1 Q2 + 1 1 − 51 = 88 + 6 − 62 = 62 2 ( $, el resultado es diferente, siendo: Q Q +1 8 = Q1 Q + − 5 = + 66 − 1 = Y W( ( ( 6 W $$ W wX( n1 * @ n$ ''( D "(" para una SUXHEDELODWHUDO( W'# K 6 resultado aplicando la fórmula U, sea menor o igual al valor obtenido en la Tabla, en caso contrario no 6 ( $$>'( ( & Ho , es decir, ( # MUESTRAS MUY PEQUEÑAS ( ~ W _ `& @( & Cuando una de las n1 y n$ @ # Cuando una de las n1 y n$ es igual o mayor que 9, consideradas como muestras pequeñas, wX# $"( @ Ahora se tiene un tercer caso, cuando ninguna de las n1 y n$ @ *( @ ( www @ + mediante el desarrollo de un ejercicio tomado como modelo. Ejemplo 3# D + ( respectivamente con los siguientes resultados o puntajes. ~ 7 ~ 7 * J '" '' '$ ' )@ ( '! www.FreeLibros.org Y A y B. 7 @ ( 6 ( 470 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO B J B * A A '" B '' A '$ B '! B ' A Ahora, contamos el número de veces que A precede a B. Observemos que la primera A corres *( ( V '"( '$ @ '!?( V ? / V'"( '$ @ '! ?{ @ V ''? V '$ @ '!? @ cación es decir 0. Q W ! ! $ "*# X / ( &/ contrario, donde B precede a A, habríamos encontrado la siguiente situación: && W¡ ) ) $ $ ' ' ')( ( W¡# Según la hipótesis nula planteada U y U’ deben ser iguales, en caso contrario, de presentar una dife ( ( / docimando. La hipótesis nula H0 y la alternativa Ha se plantean de la siguiente manera: H0: Las distribuciones de frecuencias relativas de las poblaciones A y B son idénticas. Ha: (3UXHED%LODWHUDO? con relación a la distribución de la otra población. 6 Ha: (3UXHED8QLODWHUDO? 6 a la derecha de la distribución de frecuencias de la población B. ~ www ( rrespondiente a n$, que va desde n2 ! & n2 *( n1 siempre representará el grupo que tenga el menor número de observaciones, en este caso será n1 )# En el ejemplo conocemos: n2 ( n1 ) @ U *( V www?( p "(! ( ( probabilidad de que U * SUXHEDHVXQLODWHUDO; si la SUXHEDHVELODWHUDO, se tomaría el doble de lo aparecido en la tabla, siendo el valor de p "(J!"# PRUEBA H DE KRUSKAL Y WALLIS En los capítulos correspondientes a distribuciones paramétricas consideramos el DQiOLVLVGHYDULDQ]D V 6 )'$ )')?( 7 de normalidad, con desviaciones estándar iguales para esas poblaciones. El anterior procedimiento no es válido, ni recomendable, cuando se trata de distribuciones no paramétricas# ~ ( '$ :+.UXVNDOy :$:DOOLV, elaboraron una prueba que permite trabajar con rangos, sin exigencia en cuanto a los parámetros de la población. Actualmente se conoce como Prueba de .UXVNDO:DOOLV, prueba H ó $QiOLVLVGH9DULDQ]DSRU5DQJRV. www.FreeLibros.org El procedimiento a seguir para el cálculo del valor para H, debe: CAPÍTULO NUEVE OTRAS PRUEBA DE HIPÓTESIS 471 Ser requisito indispensable que las poblaciones sean independientes. Combinar todos los valores de las muestras, como si fuera una sola. @ ( ( # Establecer los rangos, tal como se ha venido haciendo en las pruebas anteriores. Sumar los rangos para cada muestra. Aplicar la siguiente fórmula, para el cálculo de H: 51 5 += 1 + + − Q +1 Q Q +1 Q1 Q Es necesario que cada muestra tenga por lo menos 5 observaciones (es decir, que cada tamaño muestral sea mayor o igual a 5), de esta manera su distribución será muy cercana a la de &KLFXDGUDGR, ] _ ' ( ] 6 # Ejemplo 1. Supongamos que el Presidente de una Corporación Financiera, está interesado en estudiar ( @ # ~ ( !" cuenta considerada extremadamente activa en el semestre; pero si sólo se hacen 10 retiros, en el mismo ( *"# Q V *" !"?( V)? ( ( Sucursal SUCURSAL Índices ÍNDICES Caracas Chapinero Centro Niza 120 206 100 206 116 180 80 150 80 300 206 210 206 180 305 206 305 305 310 310 206 180 150 300 120 116 120 340 W ( ] ^ _ ` ( &@ & ( V)? # Solución: Lo primero & ( obteniéndose el rango para cada uno de ellos, así: No.: Índice: GQwYK Rango: G 1 2 3 4 5 6 7 8 9 10 11 12 13 14 80 80 100 116 116 120 120 120 150 150 180 180 180 180 1,5 1,5 3,0 4,5 4,5 7,0 7,0 7,0 9,5 9,5 12,5 12,5 12,5 12,5 No. GQwYK Índice: Rango: G 206 206 206 206 206 206 300 300 305 305 305 310 310 340 17,5 17,5 17,5 17,5 17,5 17,5 21,5 21,5 24 24 24 26,5 26,5 28 15 16 17 18 19 20 21 22 23 24 25 26 ( 27 28 www.FreeLibros.org En segundo lugar, procedemos en cada muestra a colocar el rango a cada una de las observaciones, de esta manera se puede establecer la sumatoria de los rangos, en la respectiva muestra. 472 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO Caracas CARACAS ËQGLFH 5DQJR 120 7 ,0 116 ,5 80 1,5 206 17,5 05 2 ,0 206 17,5 180 12,5 150 9,5 Σ51 = 9 ,0 Q1 = 8 ËQGLFH 6 1 1 5DQJR 1 1 1 1 Σ5 = Q = Niza NIZA Centro CENTRO Chapinero CHAPINERO ËQGLFH 100 80 206 05 10 00 ËQGLFH 206 150 180 206 10 120 116 120 0 5DQJR ,0 1,5 17,5 2 ,0 26,5 21,5 Σ5 = 9 Q =6 5DQJR 17,5 8,5 12,5 17,5 26,5 7,0 ,5 7,0 28,0 Σ5 = 1 0 Q =9 ( H, siendo: Q = Q1 + Q2 + Q + Q = 8 + 5 + 6 + 9 = 28 += ⎡ (9 ,0) 2 (88,0) 2 (9 ,0) 2 (1 0,0) 2 ⎤ 12 + + + − (28 + 1) 28 (28 + 1) ⎢⎣ 8 5 6 9 ⎥⎦ + = 0,01 778 [1 10 ,5 + 1 5 8,8 + 1 72,67 + 1 877 ,78] − 87 + = 0,01 778 [6 00 ,75] − 87 = 88,7 − 87 = 1,7 Determinamos los grados de libertad: U= K ' ) ' !# ] ( )# ∝ = 0,05 ZA D D "("( 6 Tabla para &KL&XDGUDGR ( F$ ? J(*'# RC χ2 7,815 La regla de decisión consiste en aceptar Ho, cuando H < F$0,05 , tal como sucede en este caso donde '(J! J(*'# H0 G &@ ( # & ( Ha: Cuya conclusión sería, cuando H > F$0,05 las distribuciones de indicadores no son iguales, + # EJERCICIOS PARA RESOLVER La gran mayoría de los ejercicios de este libro, se encuentran resueltos en el Sistema de Información en Línea SIL. www.FreeLibros.org '"!# Y wYKD W & ( )"" # W * & @ ') 7 ( + # ~ &@ 7 6+ + # CAPÍTULO NUEVE OTRAS PRUEBA DE HIPÓTESIS 473 HOMBRES: !'" $*" !$" '*" $" $*" !'" $*" WFKKD '*" $*" $" !)" !J" !$" $*" $" $)" !'" $" !)" !"" $)" '")# K 6 V ? ~YKQwwKG ~YKQwwKG '* '" ~ de Mann-Whitney. $ $J '" '* 7 # D ( ') '* 'J $" $$ '" ' 'J $" $$ 'J ( ( '"# K 7 ( V)? que permiten alimentar sus animales, todos ellos de excelentes resultados en el aumento de peso (en ?( # ~ ( ] ^_` ( para los animales, sin importar la clase de alimento. '"# " !"( '* 7 ( establecer el rendimiento en dos procesos de fabricación, con los siguientes resultados. K+ ( '"( ( ser sometidas a diferentes procesos. (a) Utilice la prueba U; (b) Considere que es aplicable la prueba del signo (c) Realice la prueba de rangos T de Wilcoxon, bajo el supuesto de que sea la prueba más indicada. '"J# Y ( / entrenamiento con el que ha venido capacitando a sus trabajadores. Seleccionó una muestra de $" 7 ( / @ ( tiempo después, con el nuevo método, cuyos resultados se presentan a continuación: TRABAJADOR: TRABAJADOR: www.FreeLibros.org W ~ @ ~ ` + ( ( trar que el nuevo método de entrenamiento arrojó mejores resultados que el método tradicional. 474 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO '"*# K & D F Q ( + enfermería, únicamente en dos centros de formación de los que existen en el país, para ello prepara ( + formación o conocimiento, aplicando una escala de 0 a 10, con la cual se obtuvieron los siguientes resultados: CENTRO Centro A: A: 86 94 65 72 83 94 90 72 62 CENTRO Centro B: B: 62 46 42 83 75 92 94 94 72 ( W ofrecen la misma calidad académica? 86 62 _`& @( 6 '"# X ( de contar con semáforos. El departamento de tránsito dispuso la ubicación de agentes de tránsito, 6 6 ( # D ') ( @ @ / CRUCES: Cruces: Antes de la Modificación Después de la Modificación 1 2 3 4 5 6 7 5 6 8 7 10 6 4 3 2 10 7 6 4 4 8 9 10 11 12 13 14 10 12 6 6 5 10 7 11 15 6 2 8 5 3 7 V "?# a. Resolverlo mediante la aplicación de la Prueba del signo. b. Suponiendo que debe ser resuelto, aplicando la "t" de Student en observaciones apareadas (poblaciones dependientes). ''"# W & & 6 # W '$ seleccionadas entre 150 arrojó los siguientes resultados: EMPRESAS: Empresas: Año I: Año II: 1 2 3 4 5 6 7 8 9 10 11 12 4,12 12,85 2,03 3,39 4,10 -2,25 2,44 5,01 1,85 1,95 3,25 3,50 4,79 13,20 -2,86 1,94 4,30 -2,50 3,80 5,20 2,15 3,07 2,80 3,50 W ( D & positivo en cuanto a las utilidades por acción entre los dos períodos? 111. Dentro de las informaciones que se dan sobre la preferencia por marcas de los automóviles para taxi 6 ( ! ( !" ( $" Y& ( '$ @ @ $ # W +( $" ( '* ( '$) Y& ( " @ @ # ~ & & & # www.FreeLibros.org ''$# y es apropiada para experimentos «antes y después»? ''!# Y6 /( CAPÍTULO NUEVE OTRAS PRUEBA DE HIPÓTESIS 475 '')# W & & 7 aprender el nuevo trabajo y la capacidad para efectuarlo sin supervisión. Después de varias ( & ( @ 10 trabajadores. Xi: Yi: 7 15 5 7 6 10 4 8 10 20 8 16 6 12 5 8 10 16 6 8 8 14 ? Y Y { ? ~ & & Y + ''# + @ '! ( su edad y tiempo de experiencia en la conducción de automóviles. Se les aplica una prueba de conducción con los siguientes resultados. PAR:: Par 1 2 3 4 5 6 7 8 9 10 11 12 13 Mujer: 93 95 88 82 80 70 65 90 90 83 72 64 76 Hombre: 95 90 80 82 86 90 70 86 86 95 82 70 80 ? ' ( & @ 7 las mujeres en la prueba de conducción? ? Y ( # ''# W K 6 6 + & para su publicación. El uno tiene orientación técnica, el otro lo enfoca hacia la aplicación práctica. K K " instituciones sus preferencias. Los resultados fueron: Tipo de TIPO DE enseñanza ENSEÑANZA Intermedia Tecnológica Profesional Texto preferencia TEXTO DEde PREFERENCIA Orientación técnica Orientación práctica 1 9 11 11 11 7 6 / ''J# '$" '" & # K ? @ ? de donde se extrajo la muestra. ''*# K )"" $!" @ 'J" # Y& _ Y ( & ( # www.FreeLibros.org ''# W !$ 6 ( aprobaron y perdieron la asignatura, los resultados fueron: 476 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO Aprobación APROBACIÓN Cursos CURSOS Si 144 128 A B No 34 46 &@ # '$"# W Y $$ ( Y '$'# W Y $ "(J* ~ &@ Y '$$# W $ Y '$!# / && "() @ Y ( '# Y "( @ '$)# K 6 accidentes de trabajo (incluyendo aquéllos de poca importancia), se desarrolla una investigación ( ( ( # Los resultados fueron: DÍAS Días Lunes Número de Accidentes '$# Y6 '$# / 10 Martes Miércoles Jueves 3 14 34 5 Total Y& _ Y '$J# / &@ '$*# K / 2 Viernes K / @ & www.FreeLibros.org CAPÍTULO NUEVE OTRAS PRUEBA DE HIPÓTESIS 477 Síntesis de capítulo Recordemos que la prueba estadística sólo es el procedimiento experimental que se sigue cuando se quiere saber si una hipótesis estadística es cierta. Hay cientos de procedimientos de pruebas estadísticas a disposición del usuario, que abarcan una enorme variedad de aplicaciones. En el capítulo anterior se describieron las más importantes, las que generalmente aparecen en todos los libros de consulta sobre estadística, siendo las pruebas de: a) XQDVRODPHGLDPXHVWUDO; b) GHGRVPHGLDVPXHVWUDOHV; c) de una proporción y d) de dos proporciones. En todas ellas se hicieron los cálculos correspondientes, además, se establecieron los OtPLWHVGHFRQ¿DQ]D. En este capítulo no se quiere dejar por fuera otras pruebas, no menos importantes, las que se presentan en forma breve, de tal manera que este libro cumpla con las exigencias de la mayoría de los programas académicos. Estas pruebas son: 2EVHUYDFLRQHVDSDUHDGDV3REODFLRQHVGHSHQGLHQWHV. Resulta que en muchos casos el inves + ( comprobar si se producen cambios de actitud en dos situaciones distintas, que hemos llamado antes y después. En su aplicación se hace necesario tomar las precauciones correspondientes a + ( + @ ello, se llegaría a conclusiones erróneas. 3UXHEDGHOVLJQR. Dentro de las pruebas no paramétricas 6 ( # Y ( 7 ciones como lo indica su nombre, basándose en el signo de la diferencia para cada par. Su uso generalmente conduce a cometer HOHUURUHOWLSRII, es decir, aceptar algo falso. Lo distintivo en una prueba no paramétrica, es que en ella no es necesario tener ningún conocimiento acerca del parámetro o valor estadístico de la población; por otra parte, se requieren más observaciones que las paramétricas ( @ @ se dijo es de tipo II. &KL&XDGUDGRR-L&XDGUDGR. También pertenece a las pruebas no paramétricas. Gene pruebas de independencia, cuando se toma una sola ( &@ { @ ODSUXHEDGHKRPRJHQHLGDG, cuando se trabaja con dos o más muestras provenientes de dos o más poblaciones y se desea probar que provienen de una sola población por su supuesta homogeneidad. Una WDEODGHFRQWLQJHQFLD ( V ? @ # D @ ¢$ + $£# D ) @ 6 ¢) + $£# 3UXHEDGHO&RH¿FLHQWHGHFRUUHODFLyQ. Es la interpretación del grado de asociación o relación & { Y Y ¤# www.FreeLibros.org 478 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO YRH¿FLHQWHGHFRUUHODFLyQ r # W & ( U(la letra griega rho o ro), se prueba calculando la probabilidad de que un valor de r Uen tanto como el valor de la muestra que pudiera surgir como resultado de sólo la variación del mues # K & rho por R. Las SUXHEDVGHKLSyWHVLVFRQUHVSHFWRDODYDULDQ]D En muchos casos, este método tiene más importancia que la prueba aplicada a un promedio o a una proporción. Frecuentemente se dice que a un fabricante le resulta más adecuado conocer la variabilidad que presenta su producto, que el promedio del mismo. En este proceso de prueba se requiere el uso de la distribución &KL&XDGUDGR. &RUUHODFLyQGHORVUDQJRV. Mide la intensidad de correlación entre dos conjuntos de ordena @ # @ ] V'!*? @ D V'")?# /DSUXHED7GH:LOFR[RQ. Denominada también prueba a libre distribución para la homogenei ( ( @ ` + ')( luego desarrollada por otros autores, entre esos Mann-Whitney. /DSUXHED8GH0DQQ:KLWQH\. Fueron quienes desarrollaron la teoría con una presentación activa, sobre la versión de la prueba inicialmente presentada por Wilcoxon de ahí que se reco / # 3UXHED+GH.UXVNDO:DOOLV# K ]( pendientes son de poblaciones diferentes. La prueba en sí, determina si la decisión entre las sumas de rangos puede ser tan grande que exista la probabilidad de no provenir de la misma población de donde fueron tomadas las muestras. www.FreeLibros.org CAPÍTULO UNO CONCEPTOS GENERALES 10 Números Índices La rique a de un hombre no se encuentra en la cantidad de dinero que posee sino en la cantidad de su conocimiento y educación. avier errera 479 CONTENIDO ! #$ % &' * + / ! 2$ '$ + * 3 4 ' Sistema de Información en Línea SIL. COMPETENCIAS ' 6 9 3 ' =$' '2 $ ' ' @ &' $ ' 3 = ' ' 6$ $ A2 ' &' = ' '$ &' ' $ www.FreeLibros.org 480 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO GENERALIDADES n mero índice ' = / ' &' &' '= ' 6 ' ' ' = 6 @ ' 6 ndices $ ' % ' ' ' &' ' ' 6 ' ' &' ' 6 $ 6 $ ' período base J ' 6 ' &' 6 &' ' = = K / ' 6 &' &' 3 / ' ' ' '&' 6 &' 3 ' 6 N '$ ' 9 ' cobertura período base ponderación promediación 6 * $ ' 9 Simp e o ompuesto ' 2 ' agregati os o de promedios 9 aritméticos, geométricos, medianos 6 '2 ÍNDICES SIMPLES 6 ' ' ' + ' ' 3 6 ' ' , = ; ×100 100 ; Xt Q Xo Q , = 3 ×100 1 3 , = T ×100 100 T &' 6 * ' ' ¿MR 6 ' &' 63 6 ' ' base ariab e 6 ' ' VXX XX 63 '' =$ www.FreeLibros.org Nota9 6 &' ' 2 = &' Y 3 2 / = ' *ZN - CAPÍTULO DIEZ NÚMEROS ÍNDICES Ejemplo 1. @ [XX\][XVV ' base ariab e 9 + ^ AÑOS yi [XX\ [X [XX| [{ [XX{ [` [XX} `X [XVX `{ [XVV |X A3+ ÍNDICE 2006 = 100 VXX XX V`X XX V[X XX [XX XX [`X XX wzX XX 6+ ^ % VARIACIÓN X k `X XX k [X XX k VXX XX k V`X XX k [zX XX EDVH¿MD[XX\ [XVVJ ' A3+ ÍNDICE 2009 = 100 zX XX |X XX \X XX VXX XX V[X XX V|z XX 481 + ^ % VARIACIÓN ]zX XX ]wX XX ]`X XX X k [X XX k |z XX _6 + Base Variable VXX XX V`X XX {z |V V\\ \\ V[X XX V`z {w % Variación X k `X XX ]V` [} k \\ \\ k [X XX k `z {w EDVH¿MD 6 &' 3 &' Y'6 ' ' [zX ~ [XVV 6 [XX\J ' 6+ ' [XVV =' |z~ [XX} % ' 6 ' =' ' ' &' ' [zX~ $ 6 ' ' |z~ N ' 3 = 6 &' Y '2 ' base ariab e 6 + ^ 06 06 06 100 07 100 06 X{ 08 X\ 06 = - 6 9 39 06 X| 07 X\ 06 ' 6 6 08 100 06 = 20 100 20 100 00 28 100 20 140 00 09 06 09 100 40 100 20 200 00 100 48 100 20 240 00 100 70 100 20 350 00 06 24 100 120 00 20 10 06 10 06 11 06 11 06 ' ' .= 100 = 5 y 20 ' [XJ [{J [`J `XJ `{ |X 6 ' = 6+ ^ 6 9 01 20 100 = 100,00 X\ , 01 X\ = 20 , 00X} X{ = 0 100 = 166,66 www.FreeLibros.org 2 482 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO X| 28 100 = 1 0,0 02 , 01 X\ = 20 , 005 X} = 2 100 = 85,71 28 VV , 0506 VX = 0X{ , 02 X| = 8 100 = 120,00 0 VX 70 100 = 1 58 8 ENCADENAMIENTO DE ÍNDICES @' ' ' base ariab e ' = EDVH ¿MD 6$ Ejemplo 2 *' =$ [XX{][XVV 3 V + @ =$ &' &' $ Y 6 <06 70 VV VV 100 = 291,67 100 ⇒ , 006 X{ = <0X{ 2 VV , 006 X{ = 6+ solamente se dispone =$ = en forma de índices. b) En muchos casos de información VV , 006 X{ = 06 VV ,01 X\ 0X{ , 01X\ VV , 006 X{ = VV ⇒ , 006 X{ = VV , 006 X} 0X{ , 0X} ⇒ 50 100 = 29167 120 VV , 006 X{ = (La base de los índices fue 2001) [XX\+ 175 100 = 291,67 (La base de los índices fue [XX}+ 2004) 60 ' =' Y Y ' 6 6 6 ' VV I X{ Q VXX RX} X{ RVX X} VV RVX Q VXX V \\\\ V [XXX V `z{ww Q [}V \z N ' ' &' = 6 6 Y 6 ' ' [XX\][XVV AÑOS BASE VARIABLE RELATIVOS ÍNDICE ENCADENADO [XX\ [XX| [XX{ [XX} [XVX [XVV VXX XX V`X XX {z |V V\\ \\ V[X XX V`z {w V XXXX V `XXX X {z|V V \\\\ V [XXX V `z{w VXX XX V`X XX V[X XX [XX XX [w} }{ w`} }\ I X\X\ Q VXX I X|X\ Q VXX I X{X\ Q VXX I X}X\ Q VXX I VXX\ Q VXX I X\VV Q VXX V `X Q V`X XX V `X X {z|V Q VV} }}# V[X XX V `X X {z|V V \\\\\ Q V}} }{# [XX XX V `X X {z|V V \\\\\ V [X Q [w} }| V `X X {z|V V \\\\\ V [X V `z{w Q w`} }\ www.FreeLibros.org CAPÍTULO DIEZ NÚMEROS ÍNDICES 483 ÍNDICES AGREGATIVOS SIMPLES = ' ' ' &' ' 6 ' &' ' &' ' '= ' ' ' ; × 100 , = ∑ ∑; 3 , = ∑ × 100 ∑3 &' =$' ' Ejemplo 3. *' ARTÍCULOS ^ C ! ' 3 , = ∑ 100 3 ∑ T , = ∑ × 100 ∑T ' ' z ' z ' [XX} ] [XVV PRECIOS UNIDAD DE MEDIDA 2009 2011 K ! N6 - w[XX V`XX {XX z\XX VV[XX [[[XX w[XX [XXX \XXX z[XX V[XXX [{`XX Y ' VV I X} VXX XX V`[ {\ |zX XX }[ {\ VX| V` VV}[ {\ ' 9 11 3 , 09 = ∑ 11 100 = 28 00 100 = 127,9 3 22 200 ∑ 09 ' ' [| }w~ [XVV [XX} # 3 $ &' '= ' @ ' {XX \XXX ⎛ 6 000 ' ' \zX~ % ' × 100 = 750 ⎝ 800 índice agregati o simp e ' ' ' + ' VV 06 X} I VV I,I0X}06 = ∑ I, 0 100 = 1 192,86 Q [w{ z| ' Q ' 5 N =$' 9 , = Vw{ z|~ 2 [| }w~ 6 ⎛; ⎞ ⎠ ⎝ Q ∑ ⎜ ; ⎟ 100 ÍNDICES PONDERADOS O COMPUESTOS www.FreeLibros.org &' ' = ' &' # 3 % 484 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO * 6 $ ' ' / $ ' / $ N ponderación &' ' * ' ' =$' ' * '2 &' =$' &' # 3 ' 3' ' ' = / ' &' / =$' ' N % Y A Y Y ] Y ! 6 Y ] * Y ÍNDICES PONDERADOS DE PRECIOS 3' ' = =$' '$9 Índice de Laspeyres N ' $ / &' 6 ' 6 ' 6 ST / = ∑ 100 S ∑ T pt Q % Q @ o &' 6 po Q % 6 Q @ &' t Índice de Paasche % ' $ ' 6 &' S ST = ∑ 1 ∑S T Índice de Fisher % Y 6 ' N www.FreeLibros.org ¦ ¦ u ¦ ¦ 100 CAPÍTULO DIEZ NÚMEROS ÍNDICES 485 Índice de Sidg ic -Drobisch * 6 + N % Y 2 Índice de Marshall-Edge orth Z 6 ¦ ¦ ' 100 Índice de Walsh @ $ 2 ' &' ' ' 6 ¦ ¦ 100 Índice de Keynes &' ¦ ¦ í ., í ., 6 100 Ejemplo 4. *' &' ' [XX} [XVV * ' ' [XVV 6 [XX} ) 2011 pVV pVV p X} ( pVV ( [`\X [\zX VV[XX [VXX `XX wXXX `XXX VV[XX wzXX V[XX wXXX [zXX V`XXX [VXX {XX [`\X `[`X {}\X wzXX \XX \ Vw V{ V\ 5 `}[X \{}X [XV\X z\XX VXXX \XXX \zXX [z[XX z\XX [XXX - - - - - V{{VX [[}XX [[`XX V}|\X - w{z|X `zwXX pX} X} X} + pX} 3 8 8 VX 3 + Cantidad VXXX zXX V`XX wzX `XX ( X} + VV) Precios 3 5 VX \ [ VV Cantidad {[X zwX VV[X wzX [XX X} Precios N ! Ms U VV UNIDAD DE PRECIO ^ C ! X} ARTÍCULOS 2009 ) % VV VV 6 V[V @' www.FreeLibros.org 486 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO @' ndices de precios 6 VV Laspeyres: /I X} = ∑ SpVV6 TX} 1 ∑ SpX} TX} = VV 6 Sp T Paasche: 3 I X} = ∑ VV6 VV 6 1 ∑ pSX} TVV6 VV6 Fisher: ) I X} = VV6 = VV6 /I X} × 3 I X} = VV6 VV6 Sidgwick: 6 I X} = VV6 /I X} + S I X} VV6 Sp (T Marshall: 0 I X} = ∑ VV6 ∑ SpX} (T 9 = 1 1 11 (11 11 + 11 + TVV6+) 1 +) X} + TVV6 6 V[[ @'$ ' = 11 1 6 X} = 11 1 1 ) = 11 = 11 = 1 = 11 mínimo X} VV X} } w XXX `X \ w[` {X { }`` \X | |`\ \ - 11 09 X} pX} VV wXXXXX X} VV X} [`\X XX 3 wV\[ XX wwzV |[ V[z[V \X VXXV| [{ [|VV VX [ ``} - ¦ ¦ 11 09 pVV VV ¦ ¦ mínimo X} J + VV pX} mínimo X} J 5 [zXX [\zX 8 VV[XX {}\X [|VV VX \ [VXX [VXX }|} \X `{} {X [ {XX `XX [[w|` wX V}X[} }X - V}\XX V\z|X 11 09 09 11 22.374,30 100 19.029,90 100 mínimo 09 ; 11 mínimo 09 ; 11 100 + VV [`\X 09 09 wXXX 11 11 pVV VV 117,57 19.600 100 16.570 118,29 ÍNDICES DE CANTIDAD @' ' 6 = ' '2 =$' N ¦ ¦ ¦ ¦ 100 100 www.FreeLibros.org ¦ ¦ u¦ ¦ 100 CAPÍTULO DIEZ NÚMEROS ÍNDICES 2 ¦ ¦ 100 ¦ ¦ ¦ ¦ mínimo ., mínimo ., 487 100 100 Ejemplo 5 =$ 6 ' = =$' /' 06 pS0 T06 19 760 VV Laspeyres: /J 0 = ∑ X} 100 = 100 = 105,05 18 810 ∑ pSX} 0 T0X} VV X} VV 06 X} Paasche: 3 J 0 = VV 06 X} VV 06 X} Fisher: ) J 0 = Sidgwick: VV 06 6 JX}0 ∑ pSVV06 TVV06 100 = ∑ pSVV06 T0X} VV 06 X} 1.820 1.030 2.520 700 600 VV 06 X} p ++ pVV06+) 5.460 5.150 25.200 4.200 1.200 41.210 0X} ( 0X} : J0 = = 105,05 × 102,2 = 10 ,6 VV 06 X} /J 0 + 3 J 0 105,05 + 102,2 = = = 10 ,6 2 2 6 V[w @' (p0X} + + pVV 06+) VV 06 X} /J 0 × 3 J0 22 900 100 = 102,2 22 00 ( + 06 VV 0X} + ) p0X} p06VV p p06 VV+ 5.460 905,54 8.240 514,79 20.160 1.252,20 7.000 350,00 1.800 314,63 42.660 - 0X} p0X} p06VV 2.716,62 2.573,95 12.522,00 2.100,00 629,26 20.541,83 21 296, 100 = 10 ,67 20 5 1,8 VV 06 X} . J0 = Mínimo 06 VV p0X}J p06VV pX} 0 p06 VV 2.716,62 4.118,32 10.017,60 3.500,00 943,89 21.296,43 0X} 820 500 1.120 350 200 - ⎛ ⎞ ⎜⎜ mínimo ⎟⎟ ⎝ pX} 0 J, p06 VV⎠ 2.460 2.500 11.200 2.100 400 18.660 06 VV ⎛ ⎞ ⎜⎜ mínimo ⎟⎟ ⎝ pX} 0 J, p06 VV⎠ 2.460 4.000 8.960 3.500 600 19.520 19 520 × 100 = 10 ,61 18 660 ÍNDICES DE PROMEDIOS PONDERADOS RELATIVOS ' '2 N % Y índices promedio ponderados re ati os N N S 9 T www.FreeLibros.org / = ∑ (S T ) ∑S T S × 100 / = ∑ (S T ) T ∑S T × 100 488 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO N 3 = ∑ (S T ) p06VV –––– p0X} X} 0 1,21951 0,94339 1,25000 1,00000 2,00000 - S 1,0000 1,6000 0,8000 1,6666 1,5000 - 0X} 9 T × 100 ' (pX} 0 06 VV –––– S ∑S T 6 V[` @'$ % Y p06 VV +)–––– (pX}0 p0X} 3.000,00 2.499,99 14.000,00 2.100,00 800,00 22.399,99 3 0 X} = ∑ (S T ) T p06 06 VV VV +)–––– (pX}0 pVV06+)–––– (pVV06 pX} 0X} 0 2.460,00 4.240,00 8.960,00 3.500,00 600,00 19.760,00 × 100 ∑S T 3.000,00 3.999,99 11.200,00 3.500,00 1.200,00 22.899,99 06 VV + )–––– X}0 X} 0 3.000,00 4.000,00 11.200,00 3.500,00 1.200,00 22.900,00 4 2 ' 6 ' =$' N 9 &' 9 S 06 VV 0X} /I = VV 06 0X} /J = p06 VV ∑ (Sp0X} T0X}+) –––– Sp 0X} ∑ Sp0 X}T0 X}+ TVV06 ∑ ( Sp0X} T0X}+)–––– X} T0 ∑ Sp0X}T0 X}+ N % Y 100 = 22 99,99 100 = 119,09 18 810,00 100 = 19 760,00 100 = 105,05 18 810,00 9 S 06 VV 0X} 3I = pVV06 ∑ (Sp0X} TVV06+)–––– pSX} 0 ∑ Sp0X} T06VV+ 100 = 22 899,99 100 = 115,89 19 760,00 100 = 22 900 100 = 102,2 22 00 T 06 VV 0X} 3J = 06 VV ∑ (SpVV06 TX}0 + )–––– TX} 0 ∑ Sp06VVT0 X}+ EJERCICIOS PARA RESOLVER N en Línea SIL. 3 V @ ' 2006 2011 MESES Meses 6 6 '$ ' ' Sistema de Información + 9 PRODUCCIÓN CEMENTO Cemento Producción (Miles Ton. Ton. Métricas) Métricas) (Miles + @' 6+ @' mes 6 6 www.FreeLibros.org Enero Febrero Marzo 185 178 220 ontin a CAPÍTULO DIEZ NÚMEROS ÍNDICES ontinuación Abril Mayo Junio Julio Agosto Septiembre Octubre Noviembre Diciembre [ + @' 179 199 175 216 207 199 208 218 213 6 6 @ Y ' [XVV 6 [XX} = &' ' 9 ^ C ! F H ^ COSECHAS (Ciento de toneladas) 2009 2011 VVVz{ VwX`` VV}\ Vwz| VVVV Vw[\ V`\X V{`X {z} }}| VVX\ {|X `V \z} \\{\ |}|{ [X` [X[ [w{[V PRODUCTOS AGRÍCOLAS w 489 N = Y [XVV ' 9 [XXV V[X AÑOS: VENTAS9 [XX[ V`X [XXw V{X [{[|w + [XX` V{X [XXz V}X ' [XX\ VzX [XX| V[X [XX{ V\X [XXV [XX} [XX [XVX [`X [XVV wzX + 6+ 6 [XXV 6 [XX` ` ' ' ' N @' ' [XX ' =$' A Y V\X =$' % Y z [XVX ' ' [X~ [XVV 2$ V|` ' ' V{~ @' [XX} [XVX \ / ' = 9 [XX} VX| {wJ [XVX VX{ V[J [XVV VX` [\J [XX{ [XVV 6 ' $ ' V}~ www.FreeLibros.org | N =' ' 9 '$ ' 6 ' [XXz Y [XVV 490 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO *9 !Z@*9 [XXz VXX XX [XX\ VV[ V` [XX| VVz [\ [XX{ VVX X` *6 &' [XX} =' ' w [XXz [XVV [XX} VXz XX [XVX VVX {[ [XVV V[X zz Y 6 ' { [XVV ' ' ' 63$ ' [}~ 6 ' $ ' zX~ [XX{ [XVX 6 [XX{ } N [Kw VX @ ' =$ DESTINACIÓN % Y VwX @' A Y 9 PRÉSTAMOS AUTORIZADOS (miles de mill. ) CRÉDITOS EN NEGOCIACIÓN (miles de mill. ) SOLICITUDES PLAN DE EMERGENCIA (miles de mill. ) TOTAL (miles de millones ) [z zX V|z [zX _ * %6 VXX zX VzX wXX ! Z ' \z \X - V[z ! V|z - - V|z - VzX - VzX 365 310 325 1.000 *'6 Totales V+ N '6 ' % $ ! Z ' / 9 + Z= V [~ 6+ Z= V\~ + *' V [~ + *' V[~ + Z' ' [X~ [+ N '2 $ _ ' / 9 + [ VK[~ 6+ z~ + \ VK`~ + VX~ + [z~ + N '2 ! _ $ '2 / 9 + Vz~ 6+ V\~ + [X~ + `z~ + z` |}~ VV '$ Y6$ 6 V}}\+ $ ' = 9 AÑOS: 1989 1991 1993 1995 1997 2000 2004 2011 ICC*: [\ |` z} w\ `[ z{ |X \[ VX{ `` [w[ \V `z| `} V[[X \| * '$ ' V}}| Z@@ Q '$+ \[XXXXX ' [XVV V[ [XVV ' 6 '$ ' [z~ $ [XXz ' zX~ $ V}}| [XXz 6 V}}| $ www.FreeLibros.org Vw @ ' =$ =$' ' 9 ' [XVV 6 [XX{ 491 CAPÍTULO DIEZ NÚMEROS ÍNDICES ARTÍCULOS 2008 UNIDAD Precio 2011 Cantidad Precio Cantidad [\XX VX w{XX 8 \XXX 5 VXXXX 7 C N VXXX [ `XXX 5 ! ! \XXX V VzXXX [ w\XX [ [XXX V + N % Y A Y 6+ Y * Y + N % Y V` @ ' 6 ÍNDICE ESLABONADO: Vz ' 9 [ VX{ w\ '$ 2006 V\V z[ ÍNDICE [XXV Q VXX9 6 V VXw Vz AÑOS: AÑOS: 2007 [Xz \{ 3 }` {\ ` VV| [{ 5 VX` {` [XX\ K [XVV 2008 [wz w` 2009 [{w Vz 2010 w|V [{ 2011 `}z {[ * ' [ w 6 wVXXXXXX [XX\ ' @' [XVV V\ % ' ' 9 ARTÍCULOS UNIDAD ^ C ! N6 N6 N ! * '9 + N 6+ N V| N 2 ' AÑOS : _*9 * 2005 V[w[X CONSUMO + 2009 2011 \ 8 [ 3 {X \z w zX [ zX V{ [| PRECIO PROMEDIO 2009 2011 [`zX [\Xz `[\ |zX `|[ |`X V[|z [z{w VV}[ Vw|X 2006 V`z\w N % Y A Y 6 [XX} N % Y A Y 6 [XX} ' 2007 V{\[` [XXz K [XVV =' ' 9 2008 [|\w[ 2011 w[zV` 2009 [`{wX 2010 [}wV\ www.FreeLibros.org * '9 + N 6 + 492 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO 6+ 6 ' + 6 + 6 6 [XX| [XXz V{ ' =$' A Y VX| | 6 &' % Y Vw{ |V % Y Vw\ X\ * ' V} ! ' 9 2006 V{[ \w AÑOS: ÍNDICE [XXX Q VXX 9 * [X ' + 6+ + + ' 2007 [X` [{ 6 ' ' N N % Y % Y 2008 [VX w` 2009 [V` w\ 2010 [{\ `} 2011 w[[ [` [XX\ 9 [V [XX} '$ ' ' $ ' wX~ [XX{ [XVX '$ 63$ ' VX~ [XX} [XVV ' $ ' Vz~ [XX} K [XVVJ 6 [XX{ [[ ' $ 6 Y2 / ' 2 ' w`XX { V[ 6' ' ' 9 @ = @ = @ = * ' { ] V[ [w @ ' ARTÍCULOS ^ C ! 3 w[X} V\V [[ 8 ' ' 2 ' '9 2009 Precio VwXX [\XX \XX `{XX 2011 Cantidad VX V` 8 V[ + N 6+ + N A Y Precio V\XX [XXX w\XX `{XX Cantidad V\ [X \ V` www.FreeLibros.org CAPÍTULO DIEZ NÚMEROS ÍNDICES 493 ÍNDICE DE VALOR = 2$ ' + ' 6 ' % × @ = _ % = *' 9 ST ,9 = ∑ 100 = ∑ 100 9 S ∑ ∑ T Ejemplo 7 pVV VV = VV 3 = [[}XX pX} I X}VV = 1 2 '2 I X}VV I X}VV = = I X}VV J VV X} 1 X} 1 = =V{ {VX ' ' X} * 6 =1 1 N 6'9 ' ] % Y 9 × P J = VV} X} (V X[[w) = V[V |`z × P I = VXz Xz (V Vz{}) = V[V |`[ VV X} VV X} _ 6 &' ' &' ' Y &' ' 6 ' / EJERCICIOS PARA RESOLVER N en Línea SIL. 3 6 ' ' Sistema de Información [` @ % Y ' 6 N [z ! ' ' ' @$ [XX| ÍNDICE DE PRECIOS (Base 2007 = 100) VXX XX ÍNDICE LE VALOR (Base 2003 = 100) [VX XX [XX{ [XX} [XVX [XVV V[X V[ VwX [` V\X {\ V{X X{ [zX X\ [{X wV w[X [{ wzX w` AÑOS 6 9 [XX| www.FreeLibros.org [\ [XVV ' =6 $ ' }XXXXXXX V[X $ 3' =6 wX $ $ [[zXXXXX &' 6 Y9 494 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO + 3'+ 6+ 6 + + ' Q ' $ [| [XVV ' 6 ' ' $ ' \X~ [XX{ &' ' '$ '$ ' `X ~ &' 3 ' $ '$ Y 6 [XVV [XX{ [{ ' ' $/ ' zX~ &' 3 &' ' [zX~ [} ' M ot = VVz [w FJot = V[z w[ ' I ot = VwX \z ' @' I ' ' 6 t o wX ' ' w`~ $/ &' 3 6 &' &' wV ' ' w{XXX 6' ' $ ' ' V{ \[ ~ ' EMPALME DE DOS O MÁS SERIES DE ÍNDICES ' ' ámese índice de precios a consumidor '&' ' &' =$ '2 = 6 Y 6 ' 6 ' ' ' ' 6 3 ' ' ' &' Y '2 ' &' 2 6 ' &' Y ' ' 6 6 empa me 6 Y 63+ Ejemplo 8 @ ' 6 [XVV Y 63+ ' Y 6+ Y 63 Y $ VX\ [V VVz {\ V \`` X\ X ' 9 X = V\`` X\ (VVz {\) = V|}w `` VX\ [V www.FreeLibros.org VX\ [V V[V w` V \`` X\ X X = V\`` X\ (V[V w`) = V{|{ [\ VX\ [V CAPÍTULO DIEZ NÚMEROS ÍNDICES ÍNDICE DE PRECIOS AL CONSUMIDOR PARA EMPLEADOS (Base jul. 97-jun. 98) ÍNDICE DE PRECIOS AL CONSUMIDOR PARA EMPLEADOS Abril 1 10 = 100 2 [ww |{ Vz VX [`X `[ Vz zw [XXw A 6 `ww z\ [{XV [XXz '6 zw\ zw w` \\ [XX\ 6 {}| {V z{ XX ' }[} \X \X Xz ! 6 VVXw X` |V [z V`\X X{ }` w[ ' V\`` X\ VX\ [V V|}w `` VVz {\ A 6 V{|{ [\ V[V w` 2 [w`` {V VzV `{ 6 [{{w }z V{\ wV w[}` wV [V[ [ AÑOS MESES [XXV [XVX [XVV * 6 = ' ' ' 2 . = 1 6 ,06 = 15, 79 106,21 Y 6 1 6 06 1 60 08 → 106 21 → [ 495 '- ⎧ 115,86 = 1 79 , ⎨ ⎩ 121, = 1 878,26 ' ×x ' 9 $ . = 10621 = 0 06 602265 16 06 ⎧ 1 60,08 = 9 , 2 x ⎨ . = 0,06 602265 × ⎩ 90 ,0 = 71 25 9 ' 2 ' '2 EJERCICIOS PARA RESOLVER N en Línea SIL. 3 6 ' ' Sistema de Información www.FreeLibros.org w[ @ ' 9 496 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO AÑOS [XXV [XXw [XX{ [XVX MESES ! 6 ' 6 * 6 ! 6 A 6 [XVV ÍNDICE (1989 = 100) [w{[ \{ [|\w [V `w[\ `[ zV[{ [w zwV[ \V z{[` [z \XVX w` ÍNDICE (mayo 10 = 100) VV[ \V VV` z[ VV{ \w M2o V[X VV + 6 = 6 2 [XVV 6 V}{} 6+ 6 6 KXVJ KXwJ 3'KX{ 6 6 [XVX 6 [XXw ww ! ' AÑOS: !Z@ [XXV Q VXX !Z@ [XX{ Q VXX 2006 w[{ w[ - w` @ ' =$ AÑOS: ÍNDICE A: ÍNDICE B: V VXX XX 2007 wz[ `\ - 2008 w|X \w VXX XX [ }{ w\ Y 3 VVX V` 2009 VXz \V 2010 VX{ {} 2011 VVV [w 5 \ VX{ V[ }\ {` ` Vwz w\ VXX XX ALGUNAS APLICACIONES DE LOS NÚMEROS ÍNDICES _ = 6 ' ' ' = ' &' # 3 $ '$ $ ' $ ÍNDICE DE PRECIOS AL CONSUMIDOR (IPC) Z Z%@ ' &' 6 ' Y 6' /' 6 ' 3' 6 &' 6$ = Y + ' ' ! ! @6 !' V}}\ $ '$ '$ ' 6 ' = 2 '2 Z%@ ' ' 6 $ 6 V}}{ www.FreeLibros.org CAPÍTULO DIEZ NÚMEROS ÍNDICES 497 N 6 ' $ Vw ' ' [XXXX 6 {XXXX 2 ' $ ' N 6 &' '$ ' $ ' $ Z%@ $ 9 V [ _ w _ ' 2 ` * $ = 6 ` { z '$ \ ! $ '' | ' { N = =' ' `X[ ' &' ' Y / '$ ' Poder adquisitivo (PA). 6 ' ' Z%@ $ ' VXX PA = (V ÷ IP ' ' )VXX * Y &' 6 [XXz &' ' 9 [XVV Z%@ w[X \ ' 6 6 PA = (V ÷ w[X \)VXX = X wVV} N &' ' V+ 6 [XVV [XXz ' / wV &' Y ' \} J ' ' &' &' 6 [XXz % 6 &' VXXX [XVV ' ' '&' 6 El índice de poder adquisitivo ' &' 6 [XVV '' w[X \ IPA = (IP &' o IP t )VXX wVX ' ' &' 6 [XXz VXX IPA = (VXX X ÷ w[X \)VXX = wV V}~ wV V}~ [XVV 6 [XXz El porcentaje de desvalori ación. * 6 ' =$'9 ⎡ ,3& ⎤ ⎢1 − ⎥ ,3& ⎦ ⎣ www.FreeLibros.org =1 % '2 =$ ' 9 498 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO 100 ⎤ ⎡ = 100 ⎢1 − = 68,81 20,6 ⎥⎦ ⎣ N 2$ Y \{ {V~ ' &' 3 6 Y6 3' ' &' [XVV ' ' &' 6 % 2$ $ $ &' Y ' 6 Ejemplo 9 *' &' ' Z%@ ' 6 w}\ `{ `{X zwJ KVX KVV 6 KXz * ' + % &' 6+ % + 3 2$ 6 [XVX + % 6 6 Z%@ KVX Q VXX 96 8 [XVX Q VXX = VXX 6 80,5 1VXX Q V[V [X Y ' ' [V [X~ N' [XVV 9 96, 8 ' &' 9 PA = 1 1VXX Q X {[zV 121,20 V X {[zX Q X V|`} V| `}~ 100 1 ,20 6+ &' 9 IPA = 121 121,20 VXX Q {[ zV + 3 9 96, 8 ⎤ = V| `}~ ⎡ 2$ Q VXX 00 ⎢1 − ⎥ ⎣ 80,5 ⎦ Indexación. @ ' ' ' '$ ' 6 = '$ ' ' = Y6 2$ &' $ ' '$ ' 6 = = ' ' 2 #$ * ' ' GHÀDFWDU, GHÀDFWDFLyQ, GHÀDFWDGRU inde ar 'HÀDFWDU ' = ' ' precios corrientes + precios constantes ' ' = GHÀDFWDFLyQ 6 ' ' % 6 &' = 6 $ '$ ' ' ' ' 6 www.FreeLibros.org @ ' # ' = =$ ' #$ /$ CAPÍTULO DIEZ NÚMEROS ÍNDICES Ejemplo 10. ' 3 Y 6 \ * # '2 6 + Tabla 12.5 6 V[` 499 + % @ ' AÑOS VENTAS (miles de millones ) IPC 2000 = 100 IPC 2006 = 100 VENTAS A PRECIOS CONSTANTE DE 2006 [XX\ [XX| [XX{ [XX} [XVX [XVV 38 `\ z` \[ 78 {\ [[z \V [}[ `{ w`\ z\ w{` [w `w\ z{ `|{ \X VXX XX V[} \` Vzw \V V|X wV V}w zV [V[ V` w{ XX wz `{ wz Vz w\ `X `X wV `X z` ÍNDICE DE VENTAS Precios corrientes Precios constantes VXX XX VXX XX V[V Xz }w w| V`[ VV }[ zX V\w Vz }z |} [Xz [\ VX\ X{ [[\ w[ VX\ \{ % '9 V @6 6 [XXX Y ' 6 [XX\+ @' K = ( VXX ÷ [[z \V) = X ``w[`[|\` ' [[z \V = VXXJ [}[ `{ = V[} \` J w`\ z\ = Vzw \V [+ ! # [XX\ w{ VXX Q w{ VXX `\ VXX Q wz `{ V[} \` 6 z` VXX Q wz Vz Vzw \V w+ 6 Y &' [XVV + ' ' V[\ w[~ ' =' \ \{~ [XX\ Salario nominal y salario real. * ' &' Z%@ &' '2 # con ertir a ores o precios corrientes o de mercado a precios constantes ' 6 ' = * Q * ÷ Z%@+ VXX * ' [XVX 6 ' }XX [XVV }zX 6 &' =' 3' zX 3 ' '$ Z%@ 9 [\` }` w[X \ 6 6 [XVV * 6 6 [XVX Q VXX XJ [XVV ' w[X \ ÷ [\` }` + VXX Q V[V XV ' [V XV~ = N' [XVV 9 www.FreeLibros.org *4 Q }zXXXX ÷ V[V XV+ VXX Q |{zXz} X} 500 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO 63 3$ ' V\`}`X }V [XVX * &' ' ' ' [XVX 6 9 }XXXXX V [VXV+ Q VX{}X}X 2 }zXXXX &' =' 3' ' TASA DE CAMBIO (TC) * ' 6 ' 6 &' # 3 6 &' ' $ '&' ' /3 ndice de la tasa nominal de cam io t Q 6 ' o Q 6 &' I = t o +VXX 6 Ejemplo 11. * &' ' 6 [}{[ z &' ' 6 ' [|{[ \ $ Solución: Z@ Q [}{[ z [|{[ \+VXX Q VX| V{ ' &' 6 Y ' ' Y'6 ' 3 $ 9 ~ ' | V{~ ! ⎡7 ⎤ $ = VXX ⎢ − 1⎥ =VXX [([ }{[ 5 ÷ [ |{[ \) ⎣7 ⎦ 9 * ' ' 6 V] = 7 V{ 6 # Índice de devaluación (ID). pérdida de poder de compra de nuestro dinero en re ación a os precios de mercado e terno $ '&' /3 ,' = (7 ÷ 7 )1 ID = ([|{[ \ ÷ [}{[ z)VXX = }w wX~ Índice de tasa de cambio real. &'6 ^ 4 6 V}}` 6 $ = / 6 * ' = ' ' @6 / V}}` / ' =$' ' ' `X EJERCICIOS PARA RESOLVER N en Línea SIL. 3 6 ' ' Sistema de Información wz ! # $ @ * ' ' ' ' [XX|][XVV # www.FreeLibros.org CAPÍTULO DIEZ NÚMEROS ÍNDICES AÑOS SINIESTROS (miles de mill. ) ÍNDICE DE PRECIOS AL CONSUMIDOR (1995 = 100) [XX| wV{zVV \`w V[ [XX{ z[w}[\ |V[ `z [XX} \|X|V{ {X| |{ [XVX }Xz\\V {\\ |X [XVV VXw\V[} {|\ }w w\ @6 ' ' 9 + * 6 '6 [\\[ X [{|V X $ } \w ~ &' 6+ * '$ =' } {w ~ [w[X z @' =' 6 6 + ' '6 &' 63 ' z [w~ 501 '$ Y 6 ' | {w~ * &' w| &' &' ' ' @ &' $ + &' ' AÑOS: @** +9 !Z@ [XXV Q VXX9 6 w{ % 2006 2007 2008 2009 2010 2011 V[` \ V`[ [{ Vw\ [ V{\ V\ V`{ z V}z w` [VX \ [w` Vz [V| ` [\X V\ [z[ \ [|z [{ &' ' % ' ^' +9 SECTORES '' * Z ' % Y 2008 [XXX `XXX [\XX ÍNDICES ' ' '$ [XX\ ' ' 2009 wVXX z{XX w{XX 2010 \XXX }XXX zzXX 2011 {VXX VXzXX |wXX # 9 2008 VXX XX {X z` VVX \w 2009 V[X {[ VXX XX V[z w[ 2010 V`X z\ VwX {X Vwz `[ 2011 V|X Vz VzX w\ V`X `[ www.FreeLibros.org + @' ' 6' ' 6+ @' ' 6' 6 ' [XX{ [XX{ 502 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO w} N ' + ^ [XXV Q VXX+ AÑOS [XX| [XX{ [XX} [XVX [XVV SALARIOS NOMINALES [w[XXX [wzzXX [{\XXX ww{XXX ``XXXX * '9 + N 6 [XX|+ 6+ &' 6 + &' 6 [XXV `X @ ' AÑOS [XXz [XX\ [XX| [XX{ [XX} [XVX [XVV + 6+ + + + =+ 6 SALARIOS (miles mill. ) V{XX [X\X [wXX w{XX zVXX z{XX \XXX ÍNDICE (2001 = 100) w[X {w w[z V[ w[{ `[ wzX \w w\X z` [XX|+ 9 OBREROS (miles) V[X V{X [XX wXX `[X `zX zVX @' [XXz @' ] @' [XXz @' ] @' ] [XXz @' ] ÍNDICE DE PRECIOS AL CONSUMIDOR (2001 = 100) V`X [w V`{ VV Vz[ \w V\X [V V\\ X{ V\{ [\ V|X w[ [XXz `V ! ' 6 ' ' = 6 ' &' [XX\ AÑOS [XX\ [XX| [XX{ [XX} [XVX [XVV SALARIOS MENSUAL (miles de ) `XX zXX VVXX VwXX VzXX V}XX ' + [XVV IPC (2001 = 100) IPC (Mayo 08 = 100) V`[ w} V\X zV [{X w[ `[X V\ - VVX V{ V[X w\ V`X z\ www.FreeLibros.org 503 CAPÍTULO DIEZ NÚMEROS ÍNDICES `[ ! ' + ' ' + [XVV $ 6 [XX` IPC (2001 = 100) VwX {\ V`\ w[ VzX V` V|X |{ - AÑOS [XX` [XXz [XX\ [XX| [XX{ [XX} [XVX [XVV `w IPC Base Variable VXX wX VVX V{ }X w\ VVz V` VV[ [\ SALARIOS MENSUALES (miles de ) `XX \XX {XX VVXX VwXX V{XX [[XX [zXX AÑOS : Z%@ 9 2001 `\` zw 2002 zw[ }{ 2003 \X| wV 2004 |z} `[ 2005 }\w zw AÑOS : Z%@ 9 2007 V`wX `V 2008 V{`} w[ 2009 [V|} [{ 2010 [w|\ `[ 2011 [zV\ {w 2006 VVw\ X` % @ ' 9 [XXV ] [XVV @ ' [XXV [XVV ' &' ' 6 [XXV `` @' `z N = ' [z~ &' 63 ' [X~ ' ' ' RUBROS V * [ w Z ' '6 2007 [}{ V zX \ 87,7 2008 w[\ [ |} V V|w X 2009 z`\ ` VVw } [[[ | ' '6 2010 \{X ` Vw} z [zX [ 2011 {[X [ V{X z [{X \ ' =$9 ÍNDICES AÑOS: ' [XVV Q VXX % ' [XXX Q VXX [XX} Q VXX %6$ 2007 [` zV `{X {[ `} {` 7,8 2008 w{ X\ {`| {\ {w \| {X 2009 \w [{ Vw}X X` VXX XX {[ + @' ]+ [XX| 6+ @' ] 6 [XX| 2010 {V `[ V}|} z\ VVz \[ {` 2011 VXX XX [`{w X\ V[X `\ 8,7 `\ 6 \w[XXX ' [XX} 6 }|[XXX ' 3 ' ' w|~ * Y [XVV+ z\X {X @' [XX} `| 6 2$ [{[} { $ ' '$ w|~ 4 &' www.FreeLibros.org `{ N 2$ ' ' ' [XXz[XVV ' VX~ @ ' $ 504 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO AÑOS: _ 9 2005 wXXX 2006 }XXX 2007 V[XXX 2008 [XXXX 2009 [zXXX 2010 [\XXX 2011 wXXXX ÍNDICES DE COMERCIO EXTERIOR ' 6$ ' =$ &' '2$ ' * 9 de precios de cantidad /$ $ = &' ndice de a ores unitarios Z_+ &' ' ' ÷ Q 6 ' ' &' ' ndices de uantum ' = + &' 2 / J 2$ = 6 '2 uantum 2 ' ' '9 re ación de precios de Intercambio 4%Z+ ndice de apacidad para Importar Z@+ Índice relación de precios de intercambio. 4 $ % Z 6 6 ndice de a or unitario de e portación Z_+ ndice de a or unitario de Importación Z_+ ' ' =6 VXX~ ' IRPI = I UX VXX ' I UM ' &' / 3 &' ' &' ' ' = / Índice de capacidad para importar. * 6 ' e ndice de re ación de precios de intercambio por e ndice de uantum de e portaciones (Z+ &' &' ' &' ' 6 Z@ Q Z4%Z+ Z+ Ejemplo 12. *' &' ' $ &' &'' /$ ' 4 $ Z 6 &' ' 6 V[\ $ ÍNDICES (2001 = 100) AÑOS [XXz [XX\ [XX| [XX{ [XX} [XVX [XVV Exportación Importación V[\ `V Vw[ \[ V[X `{ VV\ \V V[{ [` Vw\ `w V`` {V VVX z[ VX{ \w VX} `[ VVX \V VVV [X VX{ wV VV` z\ /$ % 6 RELACIÓN NETA DE CAMBIO VV` w{ V[[ X{ VVX VV VXz `[ VVz w[ V[z }\ V[\ `V ÍNDICE QUANTUM DE EXPORTACIÓN VXz {[ VX| wV VX} [[ VVX Vz VVX {w VVV [V VVV {\ ÍNDICE CAPACIDAD PARA IMPORTAR V[V X` VwV XX V[X [\ VV\ V[ V[| {V V`X X{ V`V `X www.FreeLibros.org CAPÍTULO DIEZ NÚMEROS ÍNDICES 505 EJERCICIOS PARA RESOLVER N en Línea SIL. 3 `} * 6 / Q &'' R X| X\ = VVX V{ X\ X} = }X w\ * zX R ' 9 4 Q $ /$ = {X w\ X| X} = V[X V[ AÑOS [XX\ [XX| [XX{ [XX} [XVX [XVV ' ' Sistema de Información / X{ X| 6 R X}X{ = V[X V` X{ X} = }X w` X} X} = VXX XX R VXVV = VV\ V{ VX X} x R VXX} = VVz [X Base variable VXX XX VVX V[ {X w\ V[X V` VVz V\ V[\ {` ' = VVX [V VV X} = {X w\ / 9 IVUX (2002 = 100) V[` wz VV[ V\ VV{ V` V[} \w Vw[ wz V[` [{ IVUM (2006 = 100) VXX XX VX` w\ VXw V\ VX\ {V VXz w[ VX{ V` Q &'' /$ Z_ Q ' /$ Z_ Q ' $ * ' $ 6 6 [XX\ zV @ ' 9 ÍNDICE VALORES UNITARIOS Exportación (2002 = 100) Importación (2002 = 100) ÍNDICE QUANTUM DE EXPORTACIÓN (2002 = 100) [XXz V{w V[ VXw Xw VXz [[ [XX\ V`w [w VX{ \[ VX} w` [XX| V[\ z\ VVX `V VX| w{ [XX{ V`{ V` VX\ [{ V[` {V [XX} Vw| `{ }} Vw VV[ X| [XVX Vw} V\ VX{ \` V[X `\ [XVV V\X z[ VV[ z} V[w V` AÑOS + @' 6+ @' $ 6 [XXz Q VXX+ [XXz Q VXX+ ÍNDICES DE PRECIOS IMPLÍCITOS www.FreeLibros.org N 6 $ / &' = 6 6 506 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO ' &' &' 3 ' ' Y ' + ! 6 6 ' 6 ' 6 = ' $ ' 6 ' 6 ='$ &' ndice de precios Imp ícitos ' ' $ = 6 _ terno ruto &' ' 6 GHÀDFWRULPSOtFLWRGHOSURGXFWR,Q- n V+ $ '$ &' + 6 '- * ' = + ' n ' ' n V 6 '$ ' ' ' ' % &' ' =$9 _ '$ n [XVV+J n %n _ '$ n V [XVX+ n ¡ V %n ¡ V VX _ '$ n nV n %n – V + [XVV [XVX × PVV VV %VX × PVX VV Y índice de aspe res ' + índices de precios de Paasche + ' ' ' ' '6]' ' Q ¢ ¢ PVX P VX VX VV Q ¢ ¢ PVV P VV VX VV VXX N = ' ' 3' &' ' =$ 6 Z%@ Z%% = 6 ' &' 2 6 $ ' ' Z%% Y ' n V $ &' ' $ Z%%J ' ' &' 2 @ ' ' ' ' ' a or ' www.FreeLibros.org Ejemplo 13. % / ' '6' 6 ' ' &' ` CAPÍTULO DIEZ NÚMEROS ÍNDICES SUB-GRUPOS VALOR PRECIO - 2010 CANTIDAD -2010 [w}[ww{ ``Vw\w| z`[ ^ wz[{}|[ |wz[X[z `{X C Vw\{Vzww [zX{wXV} z`z ! [{|zwz} `}`X|[{ z{[ £ [[`|{[X[ `V|{}`X} [V`} VALOR PRECIO 11 10 VALOR PRECIO 2011 CANTIDAD 2011 PRECIO UNITARIO PRECIO UNITARIO [|[}[`{ wVw}[z` zXw}`V| \[w [|`Xz\w w|{|V|w z|X}zX| \\w Vw|{\z`{ V{[V\z}w [z[|zz`{ |[V w\{XX}{ `}zV\{} \w[wzVV 783 [[}w\`z| wXX}`|X} `[w`|}{w [|}X % ' ndices de o umen, de precios de a or '2 =$ 9 6 V[| *6 ' Cantidad PVX VX [[`|X[X[ Índice de volumen = Índice de precios Índice de valor Precio unitario Valor precio 2011 2010 2011 Valor precio PVX P VV VX [[}w\`z| P VV VV wXX}`|X} VX = = ∑ T 6 3P ∑ T 3P ×1 = ∑ T 6 3P 6 ∑ T 6 3P ×1 = ∑ T 6 3P 6 ∑ T 3P ×1 = VV VX VX VX VV VV VV VX VV VV VX VX 6 2010 Valor precio 507 6 6 1 =1 1 =1 1 1 1 Cantidad VV Precio unitario PVV =1 Y 6 Producto Interno ruto ' / 6 %Z^ = + $ = ' = '$ $ 6 ' ' ' 6 '2 ' ' ' '$ 6 J 6 + $ '] $ 6' * # / www.FreeLibros.org 508 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO ! # %Z^ ' %Z^ + ' %Z^ + &' Y / 6 &' _ 6 ' GHÀDFWRULPSOtFLWR % ' Z ^'J &' ' '&' %Z^ \ 6 V}}z 6 V[{ @' # %Z^ AÑOS PIB Precios corrientes PIB Precios constantes 95 [XX\ [XX| [XX{ [XX} [XVX [XVV [\[`X||V wwX\`VzX `XXz{\VX `}wz[z[X \}|[X{wX {[`\zwVX }zX\}` }||V|[ VXX[\[X VXz`w{X VV}\|zX Vw`[{VX ÍNDICE DEFLACTOR 1995 = 100 [|\X V| ww{w \\ w}}z w} `\{X |V z{[z {z \V`V [z IDX\ = 26 2 0 771 100 = 2 760,17 9506969 950 IDX| = IDX{ = 0 058 610 100 = 1 002 620 IDX} = Y 995, 6 6 6 1 1 977 172 = 66 9 52 520 100 = 1 05 80 680,71 ËQGLFH'HÀDFWRU IDX\ = 2 760,17 100 = 100 2 760,17 IDX| = IDX{ = 995, 9 100 = 1 ,75 2 760,17 IDX} = ÍNDICE DEFLACTOR 2006 = 100 VXX XX V[[ z} V`` |z V\} z{ [VV X| [[[ zX 1 V}}z ' 6 % Variación X k[[ z} k`` |z k\} z{ kVVV X| kV[[ zX [XX\ 8 ,66 100 = 122,59 2 760,17 680,71 100 = 169,58 , etc.. 2 760,17 ÍNDICE DE PRODUCTIVIDAD (IP) @ 6 '$ 6 $ ' '$ ' ' ' índice de producti idad ' '9 =' 2 63 n mero de personas ue aboran n mero de horas hombre Z % Q % '$ Y ¡Y6 + VXX Z % Q % '$ 63 + VXX www.FreeLibros.org 6 &' '= '$ ' ' 6 ' = El Índice de producción ' CAPÍTULO DIEZ NÚMEROS ÍNDICES Ejemplo 14. @ ' &' ' ' 6 V[} AÑOS ÍNDICE 2005 = 100 Producción Obreros VXX XX VXX XX V[X XX VXX XX V\z |V VVX [} V{z |V VVV |\ [wV `w V[{ \{ [|| V` V[{ \{ w[{ z| Vwz [} NÚMERO OBREROS wzX `[X z{X \zX {VX }|X VVzX Vw\ Vw\ VzX Vz[ V|z V|z V{` 100 = = 0,285761 50 Índice de producción Índice de obreros ' '$ '$ 6 ' PRODUCCIÓN (miles Tons.) [XXz [XX\ [XX| [XX{ [XX} [XVX [XVV 509 = ÍNDICE DE PRODUCTIVIDAD 2005 = 100 VXX XX V[X XX VzX [z V\\ V| V|} {z [Vz w| [`[ {\ ⎧ 50 = 100 ⎪ × ⎨ 20 = 120 ,00 ⎪580 = 165,71 HWF ⎩ ⎧1 6 = 1 ⎪1 6 = 1 ⎪ × ⎨ ⎪1 = 11 ⎪⎩1 = 111 6 HWF 1 = 1 6 = 100 00 Xz , 00 Xz = 3 = 100 × 100 = 100 100 01 X\ Xz = 3 , 00 = 120 ,00 × 100 = 120 ,00 100 X| 02 Xz = 3 , 00 = 165,71 100 = 150,25 , etc... 110,29 EJERCICIOS PARA RESOLVER N en Línea SIL. z[ N ' 9 3 '$ ' 6 ' ' Sistema de Información 6 ' [XXz Y [XVV =' www.FreeLibros.org *9 2005 VXX XX 2006 VV[ {w 2007 VVz [` 2008 VVX V[ 2009 VXz w\ 2010 VVX }[ 2011 V[X zz 510 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO *6 &' [XX} =' ' wXX Y 6 [XXz [XVV zw @ ' 6 '$ ' ' AÑOS: 2005 2006 2007 2008 2009 2010 2011 %9 V`[X V\wX Vz{X V|VX V{V[ V|zX V{XX V[w{X Vw\[X V[`XX VwzXX V[[XX V[VXX V[XXX %9 % Q % '$ z` @ + % Q % 6 ' + [XX| [XVV AÑOS [XX| [XX{ [XX} [XVX [XVV PRODUCCIÓN INDUSTRIAL (precios de 2009) zXXX - ' '$ ' ' ÍNDICE DE PRODUCCIÓN INDUSTRIAL (base 2007 = 100) VXX XX V}{ w\ V[X `[ Vwz {\ VzX V` ÍNDICE PRECIOS DEL PRODUCTOR (IPP) ' 6 &' ' ' 3' = 6 ' % ' ' ' &' ' Z 6 &' =6 ' ' &' '2 ' Z%% ' 6 ^ 4 6 ' un indicador de a e o ución de os precios en e primer cana de comercia i ación de os bienes transados en a economía 6 ' 6 =' V}|X ' 6 ' V` ' ' ' ' z`X ' % ' 6 ' ' / ' &' =' 2 62 = ' 6 / &' 6 ' $ ' 6 $ ' 6' ' 6 $ ' ' ' = ' ! 6 ' V}}X % 6 ` 9 ELHQHV¿QDOHV consumidos naciona menteJ ELHQHV¿QDOHVLPSRUWDGRV ELHQHVR¿FLDOHVRIUHFLGRVLQWHUQDPHQWHJ GHPDQGD¿QDO' / + ' 9 E portadosJ bienes destinados a a demanda intermedia +J RIHUWDLQWHUQDWRWDO Z%% ' + ! &' ' ' 6 V}}` $ 6 www.FreeLibros.org CAPÍTULO DIEZ NÚMEROS ÍNDICES ' [XX} Q VXX % ' $ 511 3' ÍNDICE BURSÁTIL MUNDIAL DOW JONES ^' ' ! = $ = ' 6 ' 6 [\XX &' 2 [\ 6 N 6 ' ' ' ¤ N ' &' = Y 6 &' ' ' / % $ '3 wV 6 V}}V ' 6 VXX ' '6 63 &' 6 &' '6 63 $ 6 Y = } ' &' wX '6]' Materias básicas % ' &' % ' = = + % ' Consumo productos no cíclicos % A 6 Energía @6$ % $ Finan as ^ + * ' + Consumo productos cíclicos %'6 A6 ' @ '$ ' 6 ' Y $ ' 4 Industriales '$ Tecnología @' 6 * ' % = Servicios públicos * =$ Independientes @ 4 # 3 2$ ' '&' = ' $ ' ' 6 ' - INDICADORES DE DESEMPLEO % ' 6 desemp eo, sub-emp eo RWURVLQGLFDGRUHVGHODIXHU]DODERUDO, se &' ' 2$ ' $ ' Encuesta de hogares www.FreeLibros.org N ' Y '6 V` ' | ' ' 2 ' z 6 6 6$ ' =$ 6 $ =' 2 6 512 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO N &' ' ' 9 a) Tasa de desempleo (TD) * $ ' ' !+ %+ &' 6$ $ ! = ! ÷ %+ VXX ! Q % V[ &' 63 Y ' 63 Y6 6 63 ' = % Q 3' V[ '&' / &' ' ' 3 6' 3 ' '$ ' '$ 6 &' &' ' $ ' = 63 ' $ 3 = = ' Vz Y ' $ 6 ! b) Tasa de subempleo (TS), 6 ' $ ' 4XHUHU\SRGHUWUDEDMDUPiVKRUDVDODVHPDQD%*+ 6$ $ %+ 6$ &' = $ &' ! = %* ÷ %+ VXX c) Tasa bruta de participación (TBP) =' 2 %+ ' &' 63 %+ &' 6$ ^% = % ÷ %+ VXX d) Tasa global de participación (TCP) $ ' 6$ $ %+ &' 6$ 63 %+ + % = % ÷ %+ VXX OTROS INDICADORES (OI) * ' 6 ' ' $ 6 Tasa de natalidad (TN). N 6' ' ' ' Y6 Tasa de fertilidad (TF) ' ' ' 6$ / ' / $ = 6$ www.FreeLibros.org + '3 Tasa de mortalidad (TM). ' ' ' 6$ /' CAPÍTULO DIEZ NÚMEROS ÍNDICES Tasa de incidencia (TI). % ' 2$ &' 6 ' = + 6$ ' Tasa negativa a responder (TNR). %$ 2 ' &' 513 ' Y6 Otras tasas (OT). asa actuaria J tasa de arrendamientoJ tasa de cambioJ tasa de captaciónJ tasa de corrección monetariaJ tasa de interés (acti a o pasi a)J tasa de redescuentoJ tasa dua de retornoJ tasa SUHIHUHQFLDOJ tasa rea J tasa de accidenta idad ' Índice bursátil (IB). '$ 2 6 $ ' Índice de bolsa. &' Y '$ N 9 ! 6 ' ¤+J Z¤ 6 +J A* VXX 6 N +J Z^@ 6 @6+ 'Y &' ' 6 ' * ' 9 $ J = J ' J $ J $ J $ ' J URWDFLyQGHREOLJDFLRQHVEDQFDULDV de rotación de sobregirosJ de so enciaJ Morgan Stan e &' 3 índice de concentración de INI V}X}+J e índice de Pareto EJERCICIOS PARA RESOLVER N en Línea SIL. zz 3 6 \ *9 +9 [XX\ {zXXXX [XX| VXXX|XX ' ' Sistema em ma de de Información IInf nfor nf orm or m ' 9 [XX{ Vw|XXXX [XX} V|[X\XX [XVX [V[XwXX [XVV [{zXw[X * 9 + &' ' $ Y ' [XX\ 6+ * # Z%@+ =' 9 z|z V |w[ \ }z` w V[zX w Vw{X ` V|X\ [ N Y [XX\ z\ ' $/ ' [z~ &' 3 ' &' ' [[X~ z| * *9 [XX[ Q VXX9 [XX{ Q VXX9 6 = 6 + Z%@ [XX\ `[{ \ [XX| z}` [ [XX{ \|[ ` VXX X [XX} [XVX [XVV Vwz \ V\[ { [XV ` www.FreeLibros.org 514 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO * &' 6 ' [XX\ |`\`XX [XVV ' VVVXVXXJ + N '$ 6 3$ [XVV [XX\J 6+ @' 6 [XVV &' ' [XX\ z{ @ 6 ' ' 9 + @' 6+ ' ' = 6 + &' N + ' % Y + % &' Y =+ &' + ' # $ 2 z} @ ' 9 + # $ + 2 6 ' $ = V}}}J 6+ @' 6 $ [XVV [XX{J + @' 6 $ + [XVV &' ' [XX\ AÑOS V}}w V}}z V}}| V}}} [XXV [XXw [XXz [XX\ [XX{ [XX} [XVX [XVV IPC 1987 = 100 [{z w ww\ ` z[X \ |[X \ {VX ` IPC Base variable VX\ ` VV{ z VX| w {z ` VV` w IPC 2007 = 100 VV\ ` Vw| w Vzz ` V|\ { INVERSIÓN (miles mill ) [z 37 `[ 58 \z {X VXz VVz VwX V`[ V\X V{X \X /&' 6 &' ' ' 9 + ! + ! 2$ 6+ % % ' + ! '$ + % @ ' \V &' [XX} ' ' `zXXXX ' VX\{XXX ' ' ' w`~ ' ' &' ' ' wzX \[ [XX} \[ @6 ' ' 9 + * 6 '6 [|\[ z [{|V { &' '$ Y ` [z~ 6+ ' '6 ' wV~ &' www.FreeLibros.org 515 CAPÍTULO DIEZ NÚMEROS ÍNDICES &' 63 ' [` \~ + * '$ =' \ z~ 6 [w|\ { ' =' 6 6 \w ' ' w`~ $/ &' 3 6 &' &' \` N ' =' wX| Vw w{\ {[ ' ' + * ' = '' }zXXX ' ' '2+ 2 &' 6 '' 6+ *' &' ' = |[XXXX {XXXXX ' @' ' ' \z @ ' ' ' + ' $ ' w \ 6+ ' &' _ | + ' &' 3 ' + ' &' Y + ' &' V zz =+ '3 ' \\ @' 3 ' =$ 9 ' \| 3 ' 9 + ' ' ' &' &' =6 6+ ' 63 `X + + VX ' ' ' ' + z =6 ' $ 2 ' $ \{ $ Vz 6 6$ $ \X @' =' 3 9 + '$ 6 $ 6+ ' $ 6 \} @' 3 $ V{[XX ' ' &' ' $ VzXXX |X ' ' ' ' &' 9 63 ' [XX~ * ' {XXX ' 63 `XXXJ ' 3 63 |V * ' ' ' wzXX 6' ' ' ' |[ =6 V[XX ' ' wX~ ' [z~ ' $ @' ' 6 6 www.FreeLibros.org |w *' &' ' =6 V[XX ' `XX '3 &' 6 516 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO ' 9 + $ + $ '3 '3 6+ 3 Y6 |` @' $ ' =' |zXX ' ' |z Z ' 6 2 ' + + %$ 6 |\ Z ' $ + $ '3 Y ' z 6+ ! +! $ 6+ &' 2 ' 6 9 + 6 &' &' 2 =+ =6 ' 2 9 J =' J #' 2J + ' J + J =+ 6 || *' &' 6 6 '3 ! ' =$ ' &' Nota: *ZN 6LVWHPDGH,QIRUPDFLRQHQ/tQHD % ' ' 6 (D) (E) (D) (H) / 6 ENFERMEDAD X Portadores No portadores + wzXX + 6+ |[XX + + VX|XX =+ SEXO 1 Y6 = ' ' ' &' ' '$ w[X =' = ' + + Y6 (Q) (N ) (F) (G ) 5 2 TOTAL + z\XXXXX + }[wXXXX + V`{wXXXX $ ' ' &' 6 @' V` (F) (I ) 6 (E) (P) 7 (Q) (P) ' irus 8 (E) (H) ' 6 42 9 (G ) (I ) 10 (H) (N ) www.FreeLibros.org CAPÍTULO DIEZ NÚMEROS ÍNDICES 517 Síntesis de capítulo N 6 &' ' 6 2$ ' *' ' ' ' 6 6 6 = ' Y ' ' $ ' ' Y ' Y = 3 =$ = 3 2 ' = ' ' / $ Y &' = J ' 9 '$ J J J J = J J % $ &' 6 '2 ' 3 '$ ' $ J ' 3' www.FreeLibros.org www.FreeLibros.org CAPÍTULO UNO CONCEPTOS GENERALES 11 Series Cronológicas “La ciencia es sólo un ideal. La de hoy corrige la de ayer y la de mañana la de hoy. os rtega y asset 519 CONTENIDO ' @ @ ' 6$ / @' $ ] % $ ! 2$ * ' 3 4 ' Sistema de Información en Línea SIL. COMPETENCIAS ' 6 9 3 ' &' 6 '2 @ &' $ ' 3 = 4 2 &' &' ' ! ' = ' = ' ' www.FreeLibros.org 520 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO GENERALIDADES N series de tiempo 6 series crono ógicas Datos atempora es9 &' &' 6 ' ' 2 ' ' $ - Datos tempora es9 &' &' &' ' ' $ 'Y =$ 9 6 / '' serie de tiempo o crono ógica ' 3' 6 ' ' ' = $ ' &' = ' + N $ 6' bidimensiona es, o bi ariantes 63 2 3' 6 &' ' tiempo &' 6 / &' 62 / o J 6 &' serie + ' ='' /+ 62 ¤ ' 3 producción e portaciones entas horas traEDMDGDV LQYHUVLyQ PDWUtFXOD GHIXQFLRQHV QDFLPLHQWRV mo imiento de carga * ' r $ ' ¥ ='$ / _ &' ='' 6 Y ' / 63 '' &' ' ' &' V J 6 &' &' '2 = ' COMPONENTES DE UNA SERIE TEMPORAL Los &' ' serie de tiempo ' ' = $ ' ' '6 ' Y #' / 6 '$ &' Y ' ='' Y ' 6 9 tendencia estaciona idad ariaciones cíc icas a eatorias ' ' ' = endencia * &' ' &' 6 6 ' ' ' &' ariaciones estaciona es 6 6 $ &' 3 de 3 '6 ' ' * ' ' $ www.FreeLibros.org CAPÍTULO ONCE SERIES CRONOLÓGICAS 521 ariaciones cíc icas * #'' 2 $ &' ' * ='' $ ' $ ] ' ] $ ] + = ' &' ' 6 = ' 2 Y `X ' ' ariaciones a eatorias * &' = &' = = &' 9 Y' ' ' ' &' 6 ¤ ' ' Y = &' 9 ¤ Q k_k_@k_ J ' ' = 9 ¤ Q _ _@ _ * 6 6 ¤ ' ' 6$ ' ' = ¤ Q _@k_k _+ N = mode o aditi o mu tip icati o &' ' / ' J ' / ' ' r TENDENCIA 2 2 ' $ '2 tendencia $ &' 3 %' &' 6 6 ' 6$ 6 ' 6 $ ' ' 3' / &' ' 3' $ 3 3' % $ tendencia 6 $ ' &' &' ='' mínimos cuadrados 63 ' '$ 9 recti ínea parabó ica e ponencia '&' &' &' 3 6 MÉTODO ANALÍTICO @ '$ ' &' 6 3 = 6 tendencia 6 6' ! Y ' '2 &' 6 Tendencia lineal @ ='$ '2 ' ' 6 6 =' N '$ ' 9 www.FreeLibros.org 522 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO Ǔ= ȕV X + Ǔ= b + c Ǔ= ȕX + A X ! 9 Ǔ 6 Q = ȕX Q $ 3 6 FRH¿FLHQWHGHSRVLFLyQ ¤ ' * Q _6 ariab e independiente a or estimado &' Y Y Y ' $ ' /$ = ȕV Q ^ pendiente &' * FRH¿FLHQWHDQJXODU ' + % ' b c Y ' ' ' 3 ' _ ' 3 9 Ejemplo 1. @ ' continua e impar+ Yˆ [XVz Solución: AÑOS i xi xi xi yi [XXz [XX\ [XX| [` [} w\ X X X V [ V ` [} |[ [XX{ [XX} [XVX [XVV `[ z\ \X \| wV` 3 ` } V\ V[\ [[` 5 \ [z w\ wXX `X[ [V }V VVzw Sistema de ecuaciones: (D) (E ) ∑\ = E ∑ [ + QF ∑ \ [ = E∑ [ + F∑ [ 2 Se reemplaza: (D ) (E ) 1 = 1E + F 1 1 = 1E + 1F ' 9 igua ación, sustitución o e iminación 6 c 2 ' '$ + w '$ 6+ (E ) (D ) 1 15 = 91E + 21F − 9 2 = − 6 E − 21F 211 = 28E 0 ⇒ E= 211 = 7,5 28 E = 7,54 www.FreeLibros.org 4 2 '$ +9 wV` = [V (| z`) + 7c CAPÍTULO ONCE SERIES CRONOLÓGICAS 1 1 − 21 (7,5 7 F= C = 22,24 21 7,5 7 ) = 22,2 * &' '$ 9 Ǔ Q | z` / k [[ [` * Ǔ [XVz &' [XVz Q X+ ! 523 Q [XVz ¡ [XXz Q VX $ 9 ǓVz Q | z`VX+ k [[ [` Q }| \` ǓVz Q }| \V 63 ' ' + Otro procedimiento de cálculo. &' 6 ' = E= Q ∑ [ \ − (∑ [ )(∑ \ 2 Q ∑ [ 2 − (∑ [ ) F= ∑ \ − E∑ [ Q ) ' E= 7 (1 15 )− (21)( 1 2 7 (791)91 − (21)21 F= 1 − 7,5 7 ' 2 '2 =$' ) ≅ 7,5 ( (21) = 22,2 ( ) ) Varian a residual o no explicada (VR). ! $ $ &' ' &' &' 6 ¤ 6 $ $ _4 ' &' 6 &' &' &' Y ' =' $ ' ' N =$' 6 '2 '9 ( V+ V 2 = ∑ \ −< Q @ AÑOS [XXz [XX\ [XX| [XX{ [XX} [XVX [XVV £ (1) 95 = ) 2 2 [+ V = s[ 9 _4 [` [} w\ `[ z\ \X \| wV` 26,8572 = ,8 7 15 702 − 22,2 J ∑ \2 − F ∑ \ − E ∑ [ \ Q 3 V i s e[ w+ V $ ( = V 1− U ) =$' 9 [ i Ǔi ( i–Ǔi)[ z|\ [[ [z w X\[z {`V [} |} X \[`V V[}\ w| w[ V |`[` V|\` `` {\ { V|}\ wVw\ z[ w} Vw Xw[V w\XX z} }w X XX`} ``{} \| `\ X [VV\ Vz|X[ wV` XX [\ {z|[ Σ \ = Σ< www.FreeLibros.org ( 2) 95 = ( ) 95 = 2 0,98 (1 − 0,98 (1 )− 7 )= ,8 7,5 (1 15 ) = ,57 524 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO Nota: &' ' &' ' 2 | Y z 6 63 n ] [ N = &' 6 ' &' ' Y / 3 ' $ La desviación típica residual. N &' $ 6 6 2 ' 2 ' V = V = 95 V = =1 LÍMITES DE CONFIANZA 6 = / &' ' $ ' = &' ' ' Y '2 ' 2 N 2$ Y $ 3 ' ' ' 2 }z~ '&' 3 &' 6 2 J &' 9 < ±W V ⎧< ( = ⎨ Q ⎩< ( <Vz = 97,6 ± 2, 7 ) ) inferior X=n§VQ\ vQ X Xz Q [ ``| ⎧97,6 + 1,75 = 99, 9 1,89 = 97,6 ± 1,75 = ⎨ 7 ⎩97,6 − 1,75 = 95,89 ! ' ' [XXz] [XVV &' ='' ^3 &' [XVz ¤ '$ + + }| \` 6 ' 2 }z ~ }z {} }} w} 6 z~ &' &' ' @ ' FRH¿FLHQWHGHFRUUHODFLyQ X }} &' ' 6' $ % correlación. 6 3' &' Y Y Y ! 6 corre ación de Pearson 9 ¡V < r < V J ' ' N =$' '2 &' U= U= / 9 QΣ[ \ − (Σ[ ) (Σ\ ) [QΣ[2 − (Σ[ )2 ][QΣ\ 2 − (Σ\ )2 ] 7(1 15 ) − (21)( 1 ) [7(91)− 21 ] [7(15 702)− 1 2 2 ] = 1 77 (196) (11 18) = 0,99 www.FreeLibros.org * r ' FRH¿FLHQWHGHFRUUHODFLyQDOFXDGUDGRo FRH¿FLHQWHGHGHterminación 6 ' ' ' =9 525 CAPÍTULO ONCE SERIES CRONOLÓGICAS 5 2 = 1 − 95 V2 ⇒ 5 = 1− ⎛ Σ\ ⎞ Σ\ 2 − Q ⎜ ⎟ ⎝ Q ⎠ V2 = Q 2 = ⇒ 15 702 − 7 ⎛⎜ 1 ⎞⎟ 2 ⎝ 7 ⎠ V = 7 4 &' 9 X ¨ R[ ¨ V U= 2 = 2 0,98 (Varianza de y) ¡V < r < V Otro procedimiento para el cálculo de la tendencia lineal. 3 V £ V Q X * 6 '&' ' continua e impar '6 _ 9 $ ' £ V Q X 2 - Ejemplo 2. * [ i [XXz [XX\ [XX| [XX{ [XX} [XVX [XVV £ [` [} w\ `[ z\ \X \| wV` E= Σ[ \ Σ [2 E= F= Σ\ Q F= i –3 ¡[ ¡V X V [ 3 X 211 = 7,5 28 1 = 7 [ i } ` V X V ` } [{ i i ¡|[ –58 ¡w\ ¡V\\Kw|| z\ V[X [XV [VV i z|\ {`V V[}\ V|\` wVw\ w\XX ``{} Vz|X[ / ' ' 3 V+ ,86 @ 6 &' ǓVz = | z` + `` {\ ǓVz = | z` (7 ) + `` {\ = }| \` ( = [XVz [XX{ = 7 ) ' 6 3 [ 3 V $ 6 ' ' / ' Y 6 ' serie continua con n mero par de períodos ' &' Y ' &' ' ' ' ' &' ' 2 ' 3 ' ' ' = ' zXXX {XXX \XXX VXXXX J ' |[zX ' www.FreeLibros.org 526 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO Ejemplo 3. * i i [XX` z\ [XXz `[ [XX\ |X [XX| {[ [XX{ `V —7 —5 —3 —V V 3 5 7 X [ [XX} \w [XVX VVX [XVV {` £ z`{ E= Σ[ \ Σ[ 2 F= Σ\ Q [ i i `} [z } V V } [z `} V\{ i i –w}[ –[VX –[VX ¡{[ `V V{} zzX 588 `|` wVw\ V|\` `}XX \|[` V\{V w}\} V[VXX |Xz\ `VwwX E= 7 = 2,82 168 168 Ǔ Q [ {[/ k \{ z F= 5 8 = 68,5 8 ǓVwQ [ {[ VV+ k \{ z Q }} z[ ' 6 &' Y ' ' i [XX| [XX{ ' &' =$ 3' ' &' [XX{ 2 Q X =$ ' '' 3' [XX{ ' [XX} Q wJ [XVX Q z ' 6 [ Q VX ' '$ ' 9 Q [XVw [XX{ Q z &' Q VX k V Q VV k V 6 [XX{ % 9 Q [XVw [XVV Q [ [ Q ` k | &' [XVV Q VV @ ' arian a residua error estándar 9 V2 = Σ\ 2 − F Σ\ − EΣ\ [ Q ( V2 = V2 1 − U 2 ( ) N < ± W ) Q ) 3 &' ' ' }z~ = n [ = \ X Xz 06,92 ' &' =$' / ' 06,8 = V| z[ 9 17,52 ⇒ 99,52 ± 15,16 = 8 t = [ ``| = n V = 7 ⇒ 99,52 ± 2, 7 )= 6 $ '9 V = V 2 = 2 V ( 0 − 68,5 (5 8)− 2,82 ( 7 8 1 V 2 = 7 1 − 0,59 82 = 06,8 , Σ \ −< Q Y 6 V = 95 = V2 = ⎧11 ,68 ⎨8 , 6 ⎩ X Xz t = [ w\z " # + www.FreeLibros.org * i '$ 3 9 ' = - w Q z ' Ǔ Q \X Xw Ǔ Q {[ \V J ' ' CAPÍTULO ONCE SERIES CRONOLÓGICAS 527 3 Y2 6 + 3 + 6 Y 6 ' Ǔ de \X Xw [XX\ {[ \V [XVX ' ' &' $ 6 3 R[ Q X wz r = X z} ' &' 3' &' = $ ' U= QΣ [ \ [QΣ[ ][QΣ\ 2 2 − (Σ\ )2 ] = 8( 7 [8(168)] [8( 1 ) 0)− (5 8) 2 ] = 0,59 APLICACIÓN DEL PROGRAMA EXCEL EN SERIES DE TIEMPO O SERIES CRONOLÓGICAS Ejemplo 3. *' &' Y ' KRMDGHFiOFXOR=$ + ' ' VX + A' V Z=$ 3 6 @' www.FreeLibros.org *! %4 !N *ZN 3' $ ^* ! !* @N *!*Z@ = ' 528 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO N _* 6 ¤ ' ' ='' 6 ' ^[9^VV * 2 $ [XVw 9 ฎ ܻ * ' 4 ! *NZ! ' &' ' Vw 6 ^Vw @NZ@ ='$ I[ ' %4°*Z@ ' @NZ@ @%4 &' $ A' [ Z A'$ 6 &' ' ' 6 ' =9 %4°*Z@ ' &' Y 6 %4°*Z@ @ [XX[ ' &' ' $ 6 [XVw &' ' [XX[ Y [XVw ' V[ ' @@Z! ±¤ ^[9^VV @@Z!± A Y @NZ@ @%4 @[9@VV www.FreeLibros.org CAPÍTULO ONCE SERIES CRONOLÓGICAS A' w ' 6 &' 529 A'$ ' [XVw VX`w{ EJERCICIOS PARA RESOLVER N en Línea SIL. V @ ' *9 % '$9 3 6 9 [XXz [XX\ w\X 383 ' ' Sistema de Información [XX| 337 [XX{ w}X [XX} `X\ [XVX `z} [XVV `{X + '$ + [X[` 3' ' [XXz+ 6+ '$ + [XX} 3' ' 63 6 + '2 ' 6+ [XV[ Q \XX 9 6 + [ @ + A3 3 V ' 2 6+ }z ~ Ŷ V} + 9 www.FreeLibros.org 6+ @' $ P 530 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO w @ ' *9 % 9 [XXz V[{ 9 [XX\ Vwz [XX| V`{ [XX{ V`z [XX} Vz[ + [XVw 6+ 6 $ 3 + @' $ ` * ' * [XX| [XX{ z \ Ŷ i i zzX \XX |zX * + 6+ @' z{X \wz ' Ŷ i + }X 6+ @' [ ` V`{ ' 9 [XX} [XVX [XVV i [XX w[X w{X - * 6 &' 6 Ǔ [XV{ *9 i9 [ Ǔ [X[V ' 3' [XX{ ' V * 9 [XX| @ Ǔ [X[X ' 3' * | }z ~ * 9 [ ! ' * i [XX| zX [XX{ [ [XX} VXX [XVX ` V`X [XVV [XVV V\[ 9 V [XX} [XVX [XVV 2 [XVX V\V [XXz `[ 6 [XX\ \` * 9 Ŷ i X w[\X [{X * [XX| {[ [XX{ VVX ' ' [XX} }\ [XVX {` [XVV V[` www.FreeLibros.org + [XX| [XVw 6+ @' $ CAPÍTULO ONCE SERIES CRONOLÓGICAS { @ ' 9 *9 % '$9 V}}V V[ V}}z wX V}}} {} ' 3' 63 6 V}}w [XV\ } 531 [XXw VV` + V z[ * Y ' + [XXX [XVV ' 9 + * [XVV [XX '$ + ' &' ' Y ' ' '$ Ǔ = X VV [XX| V`X [XXX Y [XVV R [ = X {| 6 ' ' [XV{ [X[V VX %' ' Ŷ Q [ +35 Q X [XX\J ' R [ Q X }} 9 + '$ ' 6 [X[V VV N 6 Y ' ' 6 Y ' V[ * 6 &' *9 i * ' 9 9 VX V[ Vw Vz [X @' 6 Y ' ' 9 $ [XXV [XX[ [XXw [XX` [XXz [XX\ [XX| [XX{ [XX} [XVX [XVV 8 - - V\ V` - - [X - [[ [[ Vw @ ' =$ 6 / ' 9 £ i Q V\[X £ i[ Q wV`zX[ £ iQX £ i i Q VV`{ Q [ en e [XXz £ i[ Q \X * 9 + / [XV| 3 2 }z ~ 6+ ! $ V` * 9 £ iQ [Xw[ £ i[ Q zX}}}[ £ iQX £ i i Q V|[w nQ} £ i[ Q \X 6 [XX{ * 9 + @' $ 6+ Y [XVz www.FreeLibros.org Vz N =' ' 9 + ' ' $ '&' 532 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO *9 [XX| [XX{ [XX} [XVX [XVV 9 [wX [{z wVX w[z w\X * 9 + 3' ' 2 \X[ 6+ ' V\ N =' 9 + &' 6 [XVz ' %6 ' [XX|¡[XVV *9 [XX| [XX{ [XX} [XVX [XVV 9 VXX VzX [XX [XX [zX + *'' ' J 6+ @' [XVw r V| * Y2 ' ' ^ 6 ' [XX[ ] [XVV * 3' $ ' ' 6 ' '$9 Ǔ Q }XX k `X ! * &' [XVw Q X ' [XX| + * ' V{ * 3' $ ' =' ' [XX\ ] [XVVJ ' ' + N '$ $ &' [XX\ {}\XXX V´\}[XXX [XVVJ '$ [XX| ' [XVw V} @ ' =$ 6 £ i QX £ i Q [`` £ i i Q [ww + £ Q {VV{ [ i / nQ} £ [ i Q \X ! Q ¡[ [XXz * 9 + + / [XVz 6 2 }z ~ 6+ 63 6 ' $ [X N ' + =$9 £ i Q `z £ i Q z`` £ i[ Q [{z + &' Ŷ 6+ ! $ [XX[ Y [XVV 3 ' www.FreeLibros.org £ i i Q w[\\ £ [ i Q w{X`X CAPÍTULO ONCE SERIES CRONOLÓGICAS [V N 3 * [XX\ [XX| [XX{ [XX} [XVX [XVV %*4* |[wXXX }{[zXX V[w\`[X V`zX\XX V\w\[zX V{}X}XX [[ N ' * [XX| [XX{ [XX} [XVX [XVV * [XX\ [XX| [XX{ [XX} [XVX [XVV *' &' + @' 3 [XV\ [X[V 6+ @' $ + A3 2 }z~ ' + 9 * Y &' \X ~ en 6 Y &' Y ' &' 3 `X ~ &' 3 + ! 3 [XV| 6+ N 3 Y [XV| ' ' \ =' 9 ** [`\X [|XX [{zX [}zX wVzX wwXX *9 i9 * 9 + 3' ' ' ǓVw 6+ @' $ V}{| V}}V V}}z V}}} [XXw [XX| [XVV V[X V{X VXX [\X w|X [zX `\X Ŷ [XVz V}{| [z 4 3 63 6 [\ @' ' \ Y 3' ' /3 ' ' X Y %*4* `V|zXX z|[{XX \[XwzX \|}[\X |V[{XX [w N [` 533 $ % &' i Q X 3 [z Estimaciones mensuales con base en datos anuales 63$ ' &' serie ' =$ [ w / ' = &' www.FreeLibros.org 534 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO Y ' = Y ' J 6 2 ' ' ' 9 9 ' 6 ' + ! ' + 6+ ! ' ' ' $ 3' '$9 SERIE Y &' '- ' ' ' PRECIOS ' &' 3 9 3 9 '$+ 6 ' - PRODUCCIÓN FECHAS Xi 6 6 Z * ! \ Z' ! |[ ! V[ Vo ' ! V[ Z' ! V`` ! V[ Vo ' 2 3 6 ¢ i Q X+ ' = ¢ i µ X+ Ejemplo 4 @ [XXz — [XVV = 6 KV[ Yi 6 producción 3 V ' 6 KX{J Solución * 6' '$ Ǔ = | z` + [[ [ 2 ' ! ' 6 = '$ 2 ' 9 < = E ⎜⎛ [ ⎞⎟ + F 1 ⎝1 ⎠ 1 < = 1 [+ 1 ⇒ ⇒ < = E 1 < = [ + 1F [+1 * ' ǓQ V {zw Vo ' [XXz =$ 6 Vz J ' = 9 Ǔ Q X Xz[ X z+ k V {zw Q V }Xzz &' 3 '$ &' $ VK[ + ' Ǔ Q X Xz[ k V }Xzz ¶ Vz 3' [XX| Y &' ' ¶ Q X ¶ Q V * KXz ¶ Q [ * KX\ ¶ Q V` * KX| ¶ Q [\ * KX{ ¶ = 38 www.FreeLibros.org Ǔ * KX{ Q X Xz[ w{+ kV }Xzz Q w {{Vz '$ + CAPÍTULO ONCE SERIES CRONOLÓGICAS 535 % $ A 6KV[ &' * KXz Q [ KXz ¶ = 3 KXz Q ` !KXz Q z KX\ Q \ A 6 KX\ Q | &' V[ V[ 9 A 6KX| Q V} A 6KX{ Q wV A 6KX} Q `w A 6KVX Q zz A 6KVV Q \| A 6KV[ Q |} Ǔ A 6KV[ Q X Xz[ |}+ k V {|} Q z }{| Ejemplo 5 @ '$ 6 63 producción ' precios9 So ución '$ 9 % '$ ] @' QX Ŷ Q | z` k `` {\ $ '9 Ǔ = | z` V`` Ǔ Q w |w{ Vo * KX{ 3 [ @' 6 + `` {\ Ǔ = X Xz[ + 3,738 V[ 3'KX{ Vz KX{ ¶ Ǔ * KX{ Q X Xz[[+ k w |\` Q w {\{ Q VJ 3' KX{ ¶ 9 Ǔ Q X Xz[ k w |\` Q [ + Ǔ A 6KV[ Q X Xz[`w+ k w |\` Q \ XX + = 6KV[ * ' ǓV[ Q | z``+ k `` {\ Q |z X[ + ' '$ ' Ǔ Q X Xz[/ k w |\` 6 A 6!+ [XV[ ' ' 6 / |z X[ + 9 £Ǔ ' = Ǔ' 63 6 % ' 9 Ǔ= | z` + `` {\ Ǔ = X \[{w + `` {\ V[ @ + do Ǔ Q X \[{w k `z V|`[ * ' c Ǔ Q | z` @' 3' b QX [XX{J k `` {\ - Ǔ Q `` {\ Vz Ejemplo 6 @ 3 w ǓQ [ {[ k \{ z 2 ' N '$ ' &' 6 Y 9 E <Ö = [ + F <Ö = [ + 6 ⇒ <Ö = [ + 6 si Q X 6 6 &' Ǔ Q \{ z Ǔ Q X `| k \{ |wz ' QX '$ [XX{ Vz Y $ www.FreeLibros.org 536 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO EJERCICIOS PARA RESOLVER N en Línea SIL. 3 6 ' ' Sistema de Información [| @ ' 6 3 V 9 '$ [XX\J * 6 [XX{J '6 [XVX ! 6 [XV` * '$ ' [XXX =X+ [{ @ ' ! 6 + [XX} 3 w ' ' [} @ 3 { 2 &' 63$ 6 ' 9 £ i Q X wX @ 3 V` ' &' 6 ' V}}\ 6 ' [XXz 4 ' [XX\J '6 % '$+ wV @ 3 V\J w[ @ 3 [X * 6 [XV[ [XVw [XX} '6 K[XVV [XVw MÉTODO DE LOS SEMIPROMEDIOS '2 ' r 6 6 ' &' 2 ' ' /$ ' @ = &' ' ' ' ' 6 6 2 Ejemplo 7. 4 3 V $ [XVz Solución: * [XXz [XX\ [XX| [XX{ [XX} [XVX [XVV Semi suma i [` [} w\ `[ z\ \X \| ⎫ ⎪ ⎬ → ⎪ ⎭ Semi promedio → ....... . . . . . = <i 6 6 www.FreeLibros.org ⎫ ⎪ → ⎬ → ⎪ ⎭ ....... . . . . . 1 → 1 = 61 61 CAPÍTULO ONCE SERIES CRONOLÓGICAS E= < −< E= [XVX −¡ [XX\ 1 61 − 6 537 = 1o Método + ǓQ | {w[z k [} \| ǓVzQ | {w[z }+k [} \| Q VXX V\ Q [XVz [XX\ Q } 6+ ǓQ | {w[z/ k \V X ǓVzQ | {w[zz+k \V X Q VXX V\ Q [XVz k [XVX Q z N ' / ' 2o Método * [XXz ¶ Q X [XX\ ¶ Q V [XVX ¶ Q z ' 6 &' Ǔ = b c Despejamos: 61 = 5E + F (1) 61 = 5E + F − 29,67 = −1E − F 1, ⇒ → E= = 7,8 25 (2) 29,67 = 1E + F 1, = E 0 4 2 ' ' [} \| Q V| {w[z+ k c donde c Q [} \| ] | {w[z Q [V {w|z N '$ Q X [XXz 9 ǓVzQ | {w[zVX+k [V {w|z Q VXX V\ 6 6 ' + EJERCICIOS PARA RESOLVER N en Línea SIL. 3 ww @ ' *9 i9 w` @ ' *9 i9 6 ' ' Sistema de Información ǓV{ '2 [XXz [XX *9 i9 ] [XX\ w\X [XX| `}X [XX{ zXX [XX} \[X [XVX |{X [XVV }VX [XXV V`X [XXw `XX [XXz \XX [XX| {XX [XX} }XX [XVV VXXX 9 V}}} \X * 9 + % ] 6+ @ '$ wz @ ' [XXz V[{X Ǔ [XX| ' V}}{ ' [XX{ 9 [XX\ VwzX [XX| V`{X [XX{ V`zX [XX} Vz[X [XVX V\VX [XVV V\[X www.FreeLibros.org 63 '2 ] [XV| 538 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO w\ ' AÑOS VENTAS (mill. ) TRIMESTRES [XX} Z {VX ZZ V[XX ZZZ {\X Z_ V\{X AÑOS TRIMESTRES [XVX VENTAS (mill. ) Z }XX ZZ VwXX ZZZ {zX Z_ V\XX AÑOS [XVV + 4 =$ 6+ 2 ] [· + @ '$ 6'3 w| *9 9 i @ TRIMESTRES VENTAS (mill. ) Z {\X ZZ VVXX ZZZ }`X Z_ V`XX [XVw V}}\ V}}} [XX[ [XXz [XX{ [XVV [XX ± V}}\ [XVV w\X `\X z{X |[X {XX 9 + ' 3' 6$ 63 6 i = X + [XVw 6+ 63 ] Ŷ [XVz w{ 2 ' ] Ǔ Ŷ [XVz *9 [XX[ [XXw [XX` [XXz [XX\ [XX| [XX{ [XX} [XVX [XVV 9 i [XX w{X z[X \XX \`X |[X z{X \\X }`X {XX TENDENCIA O SUAVIZACIÓN MEDIANTE PROMEDIOS MÓVILES Los tota es promedios mó i es ' ' &' 6 Y 9 ariaciones estaciona es a eatorios 6 = ' '2 ' /$ tendencia ' 6 2 6 $ &' / ' $ = =' ' Y V}`| ' 6'$ ' ' '2 '2 ' #'' ' N $ ' ' '2 ' n mero impar wJ z zJ | |J ' 6 ' n mero par 9 `J \ \J ' 9 w [ [J ` www.FreeLibros.org Ejemplo 1. @ ' ' $ w w z z CAPÍTULO ONCE SERIES CRONOLÓGICAS 539 So ución: * ! w w Promedio $ + $ + i $ 6+ ! z z Promedio $ 6+ [XXV { { { { { { [{ — — — — [XX[ `[ }X wX — — [XXw [X V[X `X [[X `` X [XX` 58 VzX zX [wX `\ X [XXz |[ V\{ z\ [`` `{ { [XX\ 38 V\X 53,33 [\{ zw \ [XX| { { { z\ Vw{ `\ [}X z{ X [XX{ `` V{X \X [}` 58,8 [XX} {X [XX \\ \\ [}X z{ X [XVX |\ V}X \w ww — — [XVV w` — — — — @ ' 6 6 + ' Y &' 6 ' &' ' 6 6 = ' 2 ' ' &' =' _ 9 + * w 9 \2 = \ = \ = \ +\ +\ \ +\ +\ = = + + + + \1 + \2 + \ = 1 = = 1 = = 28 + 2 + 20 = 90 = 0 HWF 6+ * z 9 \ + \ 2 + \ + \ + \5 28 + 2 + 20 + 58 + 72 \ = 1 = = 5 5 \ = \ 2 + \ + \ + \5 + \ 6 2 + 20 + 58 + 72 + 8 = = 6 , etc. 5 5 * ' 6 ' $ w w [XXV [XVV+J Y z z 6 63J ' Y &' ' ' www.FreeLibros.org Ejemplo 2 @ ` 3 V ' $ [ [ ` 540 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO Solución: De 2 en 2 Total móvil (c) \ Años AÑOS [XXV 1996 28 [XX[ 1997 42 1998 [XXw 20 1999 [XX` 58 2000 [XXz 72 2001 [XX\ 38 2002 [XX| 56 2003 [XX{ 44 2004 [XX} 80 2005 [XVX 76 [XVV 2006 34 Promedio móvil (c) 70 35 62 31 78 39 130 65 110 55 94 47 100 50 124 62 156 78 110 55 De 4 en 4 Promedio móvil (c) Total móvil (d) 33 35 52 60 51 48,5 56 70 66,5 Promedio móvil (d) 148 37 192 48 188 47 224 56 210 52,5 218 54,5 256 64 234 58,5 Promedio móvil (d) 42,50 47,50 51,50 54,25 53,50 59,25 61,25 * 6 + 6+ ' 6 J + + &' ' Y Y '6 ' 6 + * \ = \ +\ = + = 1 + * \ ,5 = \2 + \ + \ + \5 \1 + \ 2 28 + 2 = = 5 2 2 \ +\ + ' = = = 9 \1,5 = \ ' ' 9 \2,5 = = 2 + 20 + 58 + 72 \1 + \2 + \ + \ = 8, HWF ' 2 6 $ '2 ' 9 \ = \ 2, 5 + \ 2 ,5 = 7+ 8 = 2,5 2 \ = = 28 + 2 + 20 + 58 = 7 \ ,5 +\ 2 ,5 = ' 8+ 7 = 7,5 HWF 2 N = ' $ ' tota es mó i es ' &' ' Y &' 3 &' &' / $ 3 &' 6 ' '2 &' ¤ Y Y &' ' ' '2 '2 $ 6 ' ' www.FreeLibros.org CAPÍTULO ONCE SERIES CRONOLÓGICAS 541 APLICACIÓN DEL PROGRAMA DE EXCEL EN PROMEDIOS MÓVILES @ VX &' 2$ 3 6 ' %4!Z* °_ZN* ' ' 9 A' ` * Y !* ' Y @NZ@ $ ¹NZ*Z* ! !* ' ' ¹NZ*Z* ! !* !Z °_ZN Y @NZ@ @%4 4 ! 4! ^[9^VVJ ' 4 ! *NZ! ' @N! Y3 ' ' [ A Y @NZ@ @%4 '$9 &' www.FreeLibros.org *! %4 !N *ZN 3' $ &' ' V ' Vw = ' ^* ! !* 63 @N *!*Z@ 542 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO A' z @' $ @ 6 ' [ $ A' \ 4 ' ' $ www.FreeLibros.org CAPÍTULO ONCE SERIES CRONOLÓGICAS 543 TENDENCIA PARABÓLICA N 6 &' &' ' ' ' J $ ' / ' '2 ' '&' ' ' = ' ' '$ ' N ' ' ' 2$ ' 3 &' ' &' ' ' ' * 6 ' '2 =' '$ N '$ 6 9 (1) (2) (3) 9 <Ö = D[ 2 + E[ + F ' 6 Σ\ = DΣ[ + EΣ[ + QF Σ[ \ = DΣ[ + EΣ[ + FΣ[ Σ[ \ = DΣ[ + EΣ[ + FΣ[ Ejemplo 1 *' ' '&' ' 3' 6$ @ ' ' ' * i i [XXz w\ [XX\ [{ [XX| w` [XX{ z[ [XX} 58 [XVX \[ [XVV \| £ 337 X V [ 3 ` 5 \ [V [ i X V ` } V\ [z w\ }V 3 i X V 8 [| \` V[z [V\ ``V ` i X V V\ {V [z\ \[z V[}\ [[|z V+ ww| Q }V k [V6 k | [+ VV}\ Q ``V k }V6 k [V *' V w+ zz[[ Q [[|z k ``V6 k }V i i X [{ \{ Vz\ [w[ wVX `X[ VV}\ [ i i X [{ Vw\ `\{ }[{ VzzX [`V[ zz[[ V ' ' ] w '$ [+ ' ]Vw '$ w+ [+ VV}\ Q V+ VXVV Q `+ V{z Q w+ zz[[ Q [[|za k ``V6 k }Vc V+`w{V Q VV{wa [|w6 }Vc z+ VV`V Q VX}[a k V\{6 k X Y ``Va k }V6 k [Vc [|wa \w6 [Vc V\{a k [{6 k X ' [ i V[}\ |{` VVz\ [|X` ww\` w{`` ``{} V|\w| 9 `+ z+ `+ V{z Q V\{ k [{6 z+ VV`V Q VX}[ k V\{6 www.FreeLibros.org ' '$ `+ ¡ \ z+ 544 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO (5) 1 1 1 = 1 092D + 168E ( ) − 1 110 = −1 008D − 168E 1= 8 D 0 4 2 `+ 1 1 ⇒ 1 D= 8 = 0, 7 a = 0,37 '$ `+ = 16 + = 6 16 + E E ⇒ E= − 6 16 1 = b = 4,39 4 2 Y '$ V+ 7 = 91(0, 7 ) + 21( , 9) + 7F 7= 211,1 = 0,16 7 < = 0, 7[2 + , 9[ + 0,16 ,67 + 92,19 + 7F ⇒ <Ö = D[ 2 + E[ + F Ǔ [XV{ c = 30,16 F= 9 Q [XV{ [XXz Q Vw ǓV{Q X w|V\}+k ` w}Vw+k wX V\ Q V`} |\ Ejemplo 2 * ' 63 6 &' &' ' ' X ' i i [ i 3 i ` i i i [ i i [XX| w\ ¡[ ` –8 V\ ¡|[ V`` V[}\ 33,88 [XX{ [{ ¡V V ¡V V ¡[{ [{ |{` wV \| [XX} w` X X X X X X VVz\ 35,73 [XVX z[ V V V V z[ z[ [|X` `\ Xw [XVV \X [ ` 8 V\ V[X [`X w\XX \[ \} [VX X VX X w` |[ `\` }z`X [VX XX Σ\ = DΣ [ + QF * (1) 210 = 10D + 5F (2) 72 = 10E ( ) 6 = D + 10F 2 2 Σ[ \ = DΣ [ + FΣ[ Ǔi 7,2 &XDQGR ΣE[ == 70,2 Σ[E == 07,2 2 Σ[ \ = EΣ[ [ i 2 b = 7,2 Multiplicamos la primera ecuación por menos 2, y la restamos de la (3) ( ) 6 = D + 10F (1) − 20 = −20D − 10F = 1 D www.FreeLibros.org ⇒ D= 1 = ,1 a = 3,14 CAPÍTULO ONCE SERIES CRONOLÓGICAS 1 Reemplazamos en la ecuación (1). 1 =1 ( 1 )+ F <= 1 [ + 545 ⇒ F= 1 − 1 c = 35,72 = [+ *' &' [XV| ' =$ &' 9 ǓV| = w V`(\`)+ | [(8)+ wz |[ = [XX }\ + z| \ + wz |[ = [}` [{ = [XV| [XX} = 8 @' 63 6 ' 6 a, b c D = Q Σ [ 2 \ − Σ [ 2 (Σ\) ( ) QΣ[ − Σ[ Σ[ \ Σ [2 E= F= 2 2 ⇒ E= ⇒ D= 5( 6 5( ) − (10 )(210) = ) − (10)2 ' X ' =$' ,1 72 = 7, 2 10 Σ \ − D Σ[ 2 210 − ,1 (10 ) ⇒ F= = 5,72 Q 5 Y ' Yº ' 3' 6$9 < = ,1 < = D[ 2 + E[ + F [2 +7,2[ + 5,72 N '$ 6 &' 1 QX ' Ejemplo 3. * 63 6 ' ' So ución: * [XX\ [XX| [XX{ [XX} [XVX [XVV E= Σ[ \ Σ[ 2 i [ i [{ w` z[ 58 \[ |\ wVX –5 –3 ¡V V 3 5 X [z } V V } [z |X ⇒ E= 0 = ,7 1 70 i 3 i ¡V[z ¡[| ¡V V [| ¡V[z X ` i \[z {V V V {V \[z V`V` i i ]V`X ]VX[ ]z[ 58 V{\ w{X wwX [ i i |XX wX\ z[ 58 558 V}XX wz|` [ i |{` VVz\ [|X` ww\` w{`` z||\ V|\[{ Ǔi [| [X w| |` `| |[ z| V` \\ XX |` wX wVX VX Despejamos los valores para a y c www.FreeLibros.org (1) Σ\ = DΣ[ 2 + QF ( 2) Σ[ <y i = DΣ[ + FΣ[ 2 (1) 2 ( 2) 10 = 70 D + 6F 57 = 1 1 D + 70F 546 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO ' '$ [X [ a 2 688 = 4 2 (1) N '$ c = 52,5 51,2F ⇒ F= ⇒ 6 3 10 − 6 (52,5) = − 0,07 70 D= 9 Ǔ X X| = [XV\ [XX} = 7 × [ = V` + V = Vz 2 688 = 52,5 51,2 '$ 10 = 70 D + 6 (52,5) - b = 4,771 (1) 6 262 = 1 1 D + 121,2 F (2) − 57 = −1 1 D − 70 F (D ) ' '$ Ǔ [XV\ [ a a = − 0,07 + ` |V + z[ z 9 ǓV\ X X|([[z)+ ` |V(Vz)+ z[ z = VX| ` LÍMITES DE CONFIANZA * &' ' ' 2 ' &' ' ' =$' 9 6 $ ) Σ \ −< 2 Σ \ 2 − FΣ \ − E Σ \ [ − D Σ \ [ 2 ( 2) V 2 = Q Q 6 &' 'Y ' n–[ 2 n (1) V 2 = 95 = ( ' Ejemplo 4. @ 2 }z ~ 3 V ' 2 ' 3 Solución: AÑOS [XXz [XX\ [XX| [XX{ [XX} [XVX [XVV £ yi w\ [{ w` z[ 58 \[ \| 337 Ǔi wX V\ w` }[ `X `[ `\ \\ zw \z \V w\ \} {w ww| XX 179,065 = 25,58 7 17 6 7 − 0,16 ( 7 )− , 9 (1 196 )− 0, 7 (5 522 ) ( 2) V 2 = = 25,6 7 (1) V 2 = yi±Ǔi w` VXz\ `| {{\` `V [V\` [{ zVz\ V{ }[[z X `X}\ { XX{} V|} X\zX www.FreeLibros.org CAPÍTULO ONCE SERIES CRONOLÓGICAS 547 7 N $ ' N <1 ± W 2 V Q 2 9 V = V }z ~ ⇒ 1 9,76 ± 2, ⇒ V = 25,58 = 5,06 9 7 ⎧15 , 5,06 = 1 9,76 ± ,68 = ⎨ 7 ⎩1 5,08 * Y'6 '2 Q [ z|V ¼ Q n ] [ Q | ] [ Q z % N =$' &' 6$ U 2 = 52 = 1 − Ejemplo 5. @ V2 9 ⇒ V2 U = 3 ' 52 $ 6$ Solución: 17 6 7 − 7( 7 7 ) 2 = 201,8 6 @' 2 Y siendo V = 7 [ $ '2 ' 3 s Q [z z{ ' $ 9 2 52 = 1 − V2 5 =1− V2 1 = y 5= = EJERCICIOS PARA RESOLVER N en Línea SIL. w} @ ' 3 6 ' ' Sistema de Información 9 *9 [XXz [XX\ [XX| [XX{ [XX} [XVX 9 [w` V|V V`| V[` V`X V`` i * 9 + 3' ' 6 [XXz Ǔ [XVz 6+ 3' ' 6 63 6 [X[X `X @ 3 '9 + $ 6$ 6+ $ + A3 2 }z ~ Ǔ[X[X [XVV [X\ www.FreeLibros.org 548 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO `V @ ' *9 9 i `[ @ ' V}{\ |X ' *9 9 i ' [XX` z\ V}}` w\ ' V}}} [` ' [XXz `[ ǓV\ [XX\ |X 3' 6$ [XX\ \X [XVV VVX 9 [XX| {[ [XX{ `V [XX} \w [XVX VVX [XVV {` + Ǔ [XVw 6+ @' $ ' + @' $ 6$ 6 `w @ ' *9 9 i 9 V}}\ [X V}}} w\ [XX[ `[ [XXz \[ [XX{ {` [XVV |` * 9 + ' 3' 6$ 63 6 ¢ i Q X + Ǔ [XVw 6+ 63 Ǔ [XVw ' 3' `` @ ' 9 Q wzV V 6 Q Vw V{{ J [XX\ * `z @ Ǔ ' Q X wVVJ i 9 Σ\ = 20 Σ[ = Σ[ = 1 Σ\ = 1 6 Σ[ = Σ[ 2 \ = 8 Q= Σ[ \ = ; (Año base 2009) ' 3' 6$9 2 }z~ Ǔ ' Q [X 3 @' $ ' @ Y ' 3' [X ' 6 ' + `\ @ *9 9 i * + 6+ + + [XV\ Σ[ = 0 + 6+ + ' [XXw [X 9 [XX` [\ [XXz `[ [XX\ 58 [XX| 78 [XX{ \w [XX} `[ [XVX w\ 9 ' 3' 6$ Ǔ [XVz ' $ 3 2 @' $ 6$ $ [XVV V` www.FreeLibros.org }z ~ CAPÍTULO ONCE SERIES CRONOLÓGICAS `| @ ' *9 549 9 [XX[ [XXw [XX` [XXz [XX\ [XX| [XX{ [XX} [XVX [XVV i 9 w\ `{ |[ {` \w z[ `{ w\ z\ |[ i 9 ]} -7 -5 -3 ]V V 3 5 7 } + Ǔ[XV\ 3 2 }z ~ '2 3' 6$ 6+ @' $ Y `{ ** A 6 2 6V ' 'V i Vw V| 38 zX `X [X VX + ' 3' 6$ ! 6 6+ A3 2 }z~ + @' $ + 6 Ǔ TENDENCIA EXPONENCIAL ' &' ' 3 6$ ' ' $ &' 6 &' ' $ 6$ 3 9 ' ser ' '$ ínea e ponencia N '$ ' =9 Ǔ = cb N '$ = cb ='$ ' '2 9 cV Q J Q J b Q V k r) donde r Q ' ' ' Q 9 PI= Pi V + r+n cI= ci V + r+ $ ' 6$ PI= PX V k r +n, donde PI= 6$ PX Q 6$ 6 J r Q n Q N '$ N ' ' 9 V+ ' / = 9 ' = n c i ) b Ǔ = c + c b '2 J b - www.FreeLibros.org [+ i i i i ) c [ i ) b 550 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO N ' '2 ' = X ¢ µ X+ * ' ' + ' ' i i i X 6 ' =9 ORJ F = Σ ORJ \ Q ORJ E = Σ[ ORJ \ Σ[ 2 Ejemplo 1 ' ' serie ' ' [XXzK[XVV '$9 Solución: * i [XXz z`zw [XX\ |zz{ [XX| }V}X [XX{ VXz{` [XX} V\\`z [XVX [zwV` [XVV `X`V} £ VVzV\w i i w |w\\` w {|{`V w }\ww[ ` X[`\z ` [[V[{ ` `Xww\ ` \X\z{ [{ {w`[` i -3 ][ ]V X V [ 3 X ¡VV [X}}[ ¡| |z\{[ ¡w }\ww[ X ` [[V[{ { {X\|[ Vw {V}|` w }V|\{ (1) F= 28,8 2 = ,119176 77 ORJ F = Σ ORJ \ Q → F = 1VwVz| 157 \V (2) E= ,91768 = 0,1 9917 28 ORJ E = Σ[ ORJ \ Σ[ 2 → E = 1, 801 N 6 '&' [ i i } ` V X V ` } [{ =$' 9 + Ǔ Q ` VV}V|\ k X Vw}}V| + 6+ ǓQ VwVz|V w{XV+ ' 6 ' 63 + * Ǔ [XV{ 9 + ǓV{ Q ` VV}V|\ k X Vw}}V|VX+ Q ` VV}V|\ k V w}}V| Q z zV{w`\ * 6 9 ǓV{ Q w[}{|[ `V Q [XV{ ¡[XX{ Q VX 6+ ǓV{Q VwVz|V w{XV+VX Q w[}{X{ }z N tasa de crecimiento b Q X Vw}}V| 6 ' 9 o b Q X Vw}{V| Q V w{XV ' ' 6 &' b = V + r , siendo r * b Q Vk r Q V w{XV &' r Q X w{XV $ r Q w{ XV~ w{X V~o $ ' 6 www.FreeLibros.org Y 63 Ejemplo 2. ǓV{ &' [XXz][XVV ' £ V µ X 9 CAPÍTULO ONCE SERIES CRONOLÓGICAS 551 Solución: yi i [ i w\ [{ w` z[ 58 \[ \| 337 X V [ 3 ` 5 \ [V X V ` } V\ [z w\ }V AÑOS [XXz [XX\ [XX| [XX{ [XX} [XVX [XVV £ i V zz\wX V ``|V\ V zwV`{ V |V\XX V |\w`w V |}[w} V {[\X| VV \w[{w ' 6 &' £ i i Ǔi V `|\[} V zw{Vw V z}}}} V \\V{w V |[w\{ V |{zzw V {`|w{ VV \w[{w i X V ``|V\ w X\[}\ z V`{XX | Xzw|[ { }\V}z VX }z\`z w\ \wX[` µ £Ǔi &' £ i Ǔi [} }` w` z[ w} {V `z }X z[ }w \V Xw |X w| ww` zX i+[ [ `[[X{ [ X}`[| [ w`z`w [ }``\\ w VX}\| w [V[\| w ww`zw V} `\wwV Q £ Ǔi Y ' log b log c ' 2 &' 6 ' ' V+ VV \w[{w Q | k[V 6 [+ w\ \wX[` Q[V k }V 6 ' '$ V+ ¡w '$ [+ [+ w\ \wX[` Q [V c k }V b V+ w` {}{`} Q [V c \w b V |wV|z Q X [{ b * 9 6 Q V |wV|z Q X X\V{z [{ b Q X X\V{z Q V VzwX N 4 2 b Q X X\V{z 9 Q Vz wX~ $ Vzw~o log b '$ V+ VV \w[{w = | k [VX X\V{z+ c = VV \w[{w [VX X\V{z+ = V `|\[} 7 9 Ŷ Q V `|\[} k N ='$ &' 9 log c X X\V{z+ * ǓV{ Q V `|\[} k Vw X X\V{z+ Q [ [{XwJ * 9 ǓQ @' Q [XV{ ¡ [XXz Q Vw ǓV{ Q V}X \{ [XV{ [ [{Xw % &' 6 ' arian a residua ' des iación típica residua 6 $ N =$' ' 9 V+ (1) V 2 = 95 = Σ ( \ − Q < ) 2 www.FreeLibros.org [+ 2) V 2 = Σ( \ )2 − ( F )(Σ Q \ )− ( E )(Σ[ \ ) 552 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO Ejemplo 3. @ ' 2 Solución: AÑOS = Σ( \= \ ) −Q Q 2 Σ \ Q = \ 2 V2 = 19, 6 1 − 7 (1,6618 7 11,6 28 = 1,6618 7 (log yi–log Ǔi )2 X XX\`X X XX{[{ X XX`\} X XX[}w X XXVz{ X XXXXz X XXX`z X X[`w{ log Ǔi V `|\[} V zw{Vw V z}}}} V \\V{w V |[w\{ V |{zzw V {`|w{ VV \w[{w log yi V zz\wX V ``|V\ V zwV`{ V |V\XX V |\w`w V |}[w} V {[\X| VV \w[{w [XXz [XX\ [XX| [XX{ [XX} [XVX [XVV £ V2 3 [ ' )2 = 0,01879 (varianza y media logarítmica) (1) V 2 = 0,02 8 = 0,00 7 7 V2 = 19, 6 1 − 1, 7629(11,6 28 )− 0,06185( 6,6 02 7 8 ) = 0,00 7 N = 6 ' &' ' 6 ' 2 ' ' 9 ( ) V2 = 0,01878 (1 − 0,81 5 ) = 0,00 8 % correlación. ' &' 6$ ' = =$' ' ' / ' (1) U 2 = 5 2 = 1 − ( 2) U = [QΣ[ Ejemplo 4. @ Y- (1 − 5 )2 = V2 Siendo: V 2 ' V2 V2 QΣ[ 2 ' − (Σ[ ¢[ i )( ¢ \ −¡(Σ Σ \ i+) )2 ] [QΣ( ' \ )2 − (Σ \ )2 ] 3 w ' $ Solución: www.FreeLibros.org (1) 5 2 = 1 − 0,00 8 = 0,81 5 0,01878 U = 0,81 5 = 0,90 CAPÍTULO ONCE SERIES CRONOLÓGICAS 553 0,01878 (2) U = 7 ( 6,6 02 )− (21)(11,6 28 [7(91)− (21) ][7(19, 6 2 )− (11,6 ) 28 )] 2 = 0,90 EJERCICIOS PARA RESOLVER N en Línea SIL. 3 `} N ' 9 6$ = ' *9 %^N@Z° +9 + 6+ + + + 6 V}z\ w[[V ' ' Sistema de Información ' 3 V}\} w|Vz V}|} `[{| V}}} zX[` * 6$ Y [XVz ! ' $ $ 6$ [XV| ' 66 &' zX N 6$ ' [XXV V[ J [XVV =' * 9 + N 6+ N 6$ [XV| zV * '' z[ + ' ' [X [XVV \}ww }z~ [V ' ' ' ' ' |~ ` ' ' zw @ ' =$9 *9 Z%49 [XXz VXX X [XX\ VX[ X [XX| VXz V [XX{ VX} w [XX} VVw V [XVX VV\ z [XVV V[X w % '$ 4 * 9 + 6 '$ 3' / 6+ N '' ' z` * [XXz Ŷ V[X [XVV `\X * Ǔ [XVz www.FreeLibros.org zz ! ' ' ' ' ' 6 &' ' ' ' [XXzK[XVV 554 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO *9 @4@ZZ ^* ~9 !Z@9 [XXz - VXX X [XX\ [XX| [XX{ [XX} [XVX [X VX[ X w\ VXz \ `[ VVX V 3,8 VV` w w` VV{ [ [XVV 3,5 V[[ w ' ' ' 9 + ! ' + 6+ [XVw 6 [XXz z\ zXXXX ' + ' 6+ * zXXXX+ V· wV ! 6 [XVV ' V |z~ ' [XXz ' z| @ ' 9 i = VXz i[ = VXVz i = {X wwVXX i i = z{w `z{wX n = Vz Q X V}}\ + * 9 + ! ' 6+ Ǔ [XVw 3' / z{ ! ' *9 %4!@@Z°9 6 '$ [XX\ VzX [XX| V`X ' [XX{ V{X [XX} [[X ' [XVX V}X [XVV w{X * '$ [XV\ ' $ 9 + 3' / 6+ 3' $ z} @ i=X ' i = [{ |``X|w i * 6 &' / + N %^ ' '&' = V |X{`zV i[ = \X n=} i 2 [XX| ' 3' ' 6+ \X ' ' ' [z{XXXX @' =' Ŷ [XVz [` {~ 6 ` =$ \V VzXXXX 6 { + @' '' ' 6+ * $ [XX\ @' wV 6 [XVV Y + @' '' ' ' 3 \[ * + 6+ 9 n = V` i = V{ `w}Vz i[ = {V} i )[ = w\ {|{[\ Q X i = }VJ i i = V[} zz[|X % V}}| * ǓVw @' $ / www.FreeLibros.org CAPÍTULO ONCE SERIES CRONOLÓGICAS 555 OTROS MÉTODOS UTILIZADOS EN EL ANÁLISIS DE LA TENDENCIA = 6 / '2 6 &' CURVA EXPONENCIAL MODIFICADA ' ' e ponencia ' ' &' 2 ' Y 6 Y 63 ' ' &' &' ' Y ' ' i= N '$ 9 Ǔ = a + cb CURVA LOGÍSTICA ' b '$9 @ ' c 6 Ǔ= V a + cb 6 UHFtSURFRGHODH[SRQHQFLDOPRGL¿FDGD a, &' H[SRQHQFLDOPRGL¿FDGD &' ' 2 ' ' 2 &' ' CURVA DE GOMPERTZ 6 ' Ǔ= a + c b 6 6 = a + (b cur a de tendencia &' / =$' ' 6 ^ 3 2 &' '2$ ' *' = ' 9 ) c MÉTODO DE LOS COMPONENTES ' ' &' ' ' 6$ ' ' $ 6 6 6 %o+ ' +J =' !+ + PV = PX + N D ± M MÉTODO GRÁFICO ! 6 mano a ada mano ibre 6 6 ' ' 6 6 2 2 ' 6$ / + &' ' &' 6 &' + 6 www.FreeLibros.org 556 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO ' ' 6 ' &' &' ' &' / 6 $ N &' Y ' '63 &' ' 2 &' YJ 6 &' 6 ' ' ' 3 &' &' Y do métodos ana íticos EJERCICIOS MISCELÁNEOS PARA RESOLVER N en Línea SIL. 3 6 ' ' Sistema de Información \w ! ' =$ ' *9 i 9 [XX\ [XX| [XX{ [XX} [XVX [XVV |X z\ |` {X }\ VV` Ǔ [XV\ ' 3' 9 + Vwz ` 6+ Vw{ \ + V`` [ + VzV \ \` * * i [XX\ V{ [XVV |[ ' ' 3' Ǔi * &' ' '+ Vz + V[ 6+ V\ { + [X ` + [[ z + [z \ 75 \z @ ' AÑOS MESES [XX} [XVX [XVV + Vzz { VENTAS (millones ) '6 75 }[ 6 \w ' VX| '6 }` VwX 6 \{ ' V\[ '6 Vw` 9 ' 9 * 9 + ' 3' [XVw 6+ 3' 6$ 63 6 * 6 [XVX ( i= X) ! 6 [XVV \\ @ '$ 6 3' 6$ 3' 6 ' + 63 3 · \z+ www.FreeLibros.org \| 2 3 \5+ * 6 [XVX ! 6 [XVV meses de CAPÍTULO ONCE SERIES CRONOLÓGICAS \{ + ' 6+ ' \} @ AÑOS [XX\ [XVV wXX ' [~ ' ' w[~ ' yi V[X `{X Ǔi VVX zV\ ' 557 9 &' 9 + N 6+ N |X @ =$ 3 ' ' 3' Ǔ [XVz ' 3' |V ! ' = 6 ' ' + ' ' ' 6+ ' 9 J J J + &' $ '$ + &' 2 + ' =+ &' '2$ ' + &' 2$ ' |[ ' ' $ @$ QV QX} Q X [X r = -V |w ' 3 ' |` Z ' AÑOS: * ~9 6' &' Q V w[ $ '$ ' ' $ 6 2005 VV w 2006 [z 2007 8,3 ' 2008 |\ 2009 V{ } 2010 V[ \ 2011 V{ w + ' 6+ ' 3' + ' 3' 6$ |z @ 3 |` &' 9 + ' $ [XVw 3' 6+ A3 2 }z~ 6 + 6 $ ' |\ + @ 3 3' ' / }z~ 6+ @' $ ' 3' [XVw 3 www.FreeLibros.org ' 3 558 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO VARIACIONES ESTACIONALES ' 6 ariaciones estaciona es, ' '$ ' ' ' + ' ' J 6 3 3 '6 Y 'Y $ Y J 6 ' [` Y ' ' &' '+J 6 ' '6 ' Serie de tiempo ' ' / #'' '2 ' ' = '&' CÁLCULO DE ÍNDICES ESTACIONALES *' &' 3 ' 3 ' ' ' 9 ' [XX}][XVV MESES 2009 2010 2011 SUMA A 6 2 6V ' 'V * 6 '6 6 ! 6 |}\ |V[ \}\ ``{ `X{ w\{ `XX w\` `z[ `w[ `[X 588 \{X z`{ \w[ zV[ w{` ww\ 388 w|\ `w[ `V[ `V\ z\` }`{ zz[ \`X zX` `V\ w|[ ``{ w}[ zX{ `|[ `\` \`X [`[` V{V[ V}\{ V`\` V[X{ VX|\ V[w\ VVw[ Vw}[ VwV\ VwXX V|}[ 6.084 5.680 6.356 18.120 TOTAL ' ' '&' PROMEDIO {X{ \X` \z\ `{{ `X` w\X `V[ w|\ `\` ``X `w[ z}\ 6.040 503 3 ( IVE ) ÍNDICE VARIACIÓN ESTACIONAL V\X z` V[X XX VwX w` }\ }\ {X [| |V z[ {V {\ |` |V }[ V} {| `[ {z `w VV{ `[ 1.199 12 9 *' =$ ' 6 ' www.FreeLibros.org @' *' zXw w 3 [`[`Kw Q {X{ ' \X`X ÷ V[ Q zXw w V[ CAPÍTULO ONCE SERIES CRONOLÓGICAS 559 ! ' ' zXw w+ $ ' ' 6 N ' ariación estaciona 6 / ' V[XXJ ' ' ' 3 =' VV}} V[ = 6 / ' &' ' #' endencia ' # 3 #$ ' + TXHYDOHODSHQDWHQHUSUHVHQWH 2$ 6 #$ indicó ' 6 n meros índices ÍNDICE ESTACIONAL MÉTODO DE RAZÓN RESPECTO A LA TENDENCIA * 3 endencia ' ndices estaciona es mensua es _ ' 3 ' ' ' % ' ' &' ' ' ' [XX| [XVV MESES 2007 2008 2009 2010 2011 wV\ w`X w\\ w{` `V[ A 6 wXX w[X w`[ w|\ w}[ 2 358 w{X w}` `VX `w{ 6 w`{ w{\ `VX `[` `|X w|X `X` `[` `zX `|\ ' 378 `X\ `V` ``` `|\ ' 358 w{[ `VX ``[ `{[ w\\ w}{ `[X `w\ `\X * 6 w\[ 378 w{` `[\ `z` '6 w|\ `V[ `wX `z[ zX[ 6 w{` `V{ `wX `w` zX` ! 6 TOTAL `z{ `{[ zX[ zz` \V[ 4.374 4.706 4.926 5.232 5.678 + 63 &' Y tendencia www.FreeLibros.org 560 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO CÁLCULO DE LA TENDENCIA AÑOS [XX| [XX{ [XX} [XVX [XVV E= i `w|` `|X\ `}[\ z[w[ z\|{ [`}V\ i [ i X V [ 3 ` VX X V ` } V\ wX 5 (52 966) − (10)(2 916) = 1 , 5 ( 0) −102 < = 1 , [+ 9 N F= i i X `|X\ }{z[ Vz\}\ [[|V[ z[}\\ 2 916 − 1 , (10) = 5 56, 56, ' '' ' 6+ N '$ '2 Y ' = '$ &' ' @ 6 ' ' V[ 6 6 V`` c V[ ' 6 1 6 < = 1 6 [+ 6 [+ 1 1 9 '' ' <= = '$ ' VX 3' [XX| ' VV ' + ! &' =$ ' &' Vz '$ ' 9 Ǔ Q [ V|\w}]z z+ k w\w Xwwww Q wzV X\ &' ' =iiene, ' 9 Q X Vz [XX| N '$ ' 9 ǓQ [ V|\w} k wzV X\wV{ c Q wzV X\wV{ + @' '2 '$ Y &' Q X [XX|J Q V A 6 J Q [ 2 ' 6 ' 63 ' + @' Cálculo de los valores estimados MESES 2007 2008 2009 2010 2011 wzV X w|| [ `Xw [ `[} ` `zz \ A 6 wzw [ w|} ` `Xz ` `wV \ `z| { www.FreeLibros.org 2 wzz ` w{V \ `X| \ `ww { `z} { 6 wz| \ 383,8 `X} { `w\ X `\[ X wz} { 385,8 `V[ X `w{ [ `\` [ ontin a CAPÍTULO ONCE SERIES CRONOLÓGICAS 561 ontinuación ' w\[ X w{{ X `V` [ ``X [ `\\ ` ' w\` [ w}X [ `V\ ` ``[ ` `\{ \ w\\ [ w}[ ` `V{ \ ``` \ `|X { * 6 w\{ ` w}` \ `[X { ``\ { `|w X '6 w|X \ w}\ { `[[ { ``} X `|z [ 6 w|[ { w}} X `[z X `zV [ `|| [ ! 6 w|z X `XV [ `[| [ `zw ` `|} ` + ' ' ' '$ Índices para cada mes MESES 2007 2008 2009 2010 2011 X }XXw X }XV` X }X|| X {``w X }X`w A 6 X {`}` X {`w` X {`w\ X {|V[ X {z\w 2 V XX|w X }}z{ X }\\X X }`zV X }z[\ 6 X }|w[ V XXz| V XXzX X }|[z V XV|w V X[{w V X`|[ V X[}V V X[\} V X[z` ' V X``[ V X`\` X }}}z V XX{\ V X[X\ ' X }{wX X }|}X X }{`\ X }}}V V X[{\ X }}}z V XV`w V XXww X {{X| X }||V * 6 X }{[\ X }z|} X }V[z X }zw` X }z}{ '6 V XV`\ V Xw{w V XV|X V XX\| V Xz\` 6 V XwXX V X`|\ V XVV{ X }\V{ V Xz\[ ! 6 V [[Vw V [XV` V V|zV V [[V} V [|\\ + ' promedio mensua &' ' z ' ` zX{J ' z ' X }XV\ PROMEDIO MENSUAL ÍNDICE ESTACIONAL X }XV\ }X [z X {z[{ 85,37 X }|wz }` |z X }}w{ }} `{ www.FreeLibros.org V XwV` VXw [z V X[w} VX[ Xz X }}`} }} z} ontin a 562 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO ontinuación X }}zX }} \X X }zw[ }z `[ V X[\\ VX[ || V X[Vz VX[ [\ V [V}w V[[ X\ VV }{|z V[XX XX N ' ' VV }{|zK V[ Q X }}{}z{ VV }{|z V[9 N' promedio mensua X }}{}z{ ' VXXJ ' ' * 63 ' ' 6 ' V[XX XX ÍNDICES ESTACIONALES MÉTODO DE LAS RAZONES AL PROMEDIO MÓVIL @ 6 % ' ' ' 2 ' ' [XX[ [XVV BIMESTRES 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 V w}X w}X `V[ `[[ `z{ z[\ zz\ zw` 578 `\{ [ wX` wX{ wwX wz` `X{ `z{ `z\ `[` `zX `VX 3 wV[ wV{ w`X w|\ ``\ `|{ ``` `zX `\X `[\ ` wz` w|X w{\ `wX `}[ 538 z`[ z`` z[[ zV\ 5 `V[ `wX `z` `{{ 558 \VX \V` z}\ z\{ `}[ \ `\X `{{ `}{ zw[ \V\ \zX \`\ \z[ z{X \{` ' ndices estaciona es o si se 2 ' 6 $ Y =$ 6 ' \ V[ N &' '2 2 + $ 9 + N &' Y ' $ 6 V[ + @ $ 6 '6 6 + * w}X k wX` kwV[ k wz` k `V[ k `\X Q [[w[ w· `· 6 J ' 9 wX` k wV[ k wz` k `V[ k `\X k w}X Q [[w[ ' `· z· 6 ' &' ' ' wz` k `V[ k `\X k w}X k wX{ Q [[w\ % ' ' [XX| [XVV www.FreeLibros.org CAPÍTULO ONCE SERIES CRONOLÓGICAS 563 $ BIMESTRES 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 V ¶ – [[z{ [w{\ [zw` [{[` wV|` w[z{ w[V[ w[z{ [}\{ [ ¶ – [[|\ [`VX [z\{ [{}` w[[\ w[\[ wV}` w[wX [{}[ 3 ¶ [[w[ [wX` [`[X [\X[ [}|{ w[\X w[z{ w[XX wVz{ [}}\ ` ¶ [[w[ [w[\ [`wX [\w{ wX`\ w[}X w[w\ w[`` wX`{ – 5 ¶ [[w\ [w`{ [`z` [\}[ wX}\ w[{{ w[X` w[|X wXX{ – \ ¶ [[`[ [w|X [`}X [|\[ wV[{ w[z` w[VX w[{X [}|` – 6+ N' =$ &' tota 6 ' '+ 6 ' ' tota es mó i es 6 + $ @ 9 [[w[ k [[w[ Q ``\` ' `· 6 ' [[w[ k [[w\ Q ``\{ z· 6 J [[w\ k [[`[ Q ``|{ \· 6 ' % ' ' [XX| [XVV $ BIMESTRES 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 V – `zXX `|z\ zX[` zz{\ \wX[ \zV[ \`[[ \zw{ z}`[ [ – `zw` `|}\ zVX[ z|V{ \`XX \z[X \`X\ \`{{ z{\X 3 – `z{X `{wX zV|X z{|[ \`{\ \z[X \w}` \w{{ z{{{ ` ``\` `\wX `{zX z[[X \X[` \zzX \`}` \``` \[X\ – 5 ``\{ `\|` `{{` zwwX \V`[ \z|{ \``X \zV` \Xz\ – \ ``|{ `|V{ `}`` z`z` \[[` \z`[ \`V` \zzX z}{[ – + * ' ' promedios + mó i es V[ &' ' '' ' 6 ' ' ' * Y'6 63 [` ' 9 ``\` y V[ Q w|[J ``\{ y V[ Q w|[ ' J 6 &' Y 9 2$ % + % + BIMESTRES 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 V – w|` w}\ `V{ `\\ z[\ z`[ zw\ z`` `}\ [ – 378 `XX `[\ `|\ zw` z`` zw` z`X `{{ 3 – w{[ `X[ `wX `}X z`X z`` zw[ zw[ `}X ` w|[ w{\ `X` `w` zX[ z`\ z`[ zw\ zV{ – www.FreeLibros.org 564 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO 5 w|[ w}X `X\ ``` zV[ z`{ zw\ z`[ zX` – \ w|` w}` `V[ `z` zV{ z`\ zw` z`\ `}{ – @ $ ariaciones estaciona es &' $ % &' promedios mó i es ' = '2 ' ' &' Y &' + Y ' SRUFHQWDMHV o ra ones $ ' ' $ ' &' ' ' [XX[ [XVV+ $ + 6 ' ' ' VXX 3 (MHPSORVwz` yw|[+ VXX Q }z V\ $ }z [J `V[ y w|[+ VXX Q VVX |z $ VVX {J `\X y w|`+ VXX Q V[[ }} V[w X ' % 63 ' % + BIMESTRES 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 V – VX` w VX` X VXV X }{ w VXX X VX[ \ }} \ VX\ w }` ` [ – {V z {[ z {w V 85,7 85,8 83,8 |} ` 83,3 {` X 3 – {w [ {` \ {| ` }V X 88,5 {V \ {` \ {\ z {\ } ` }z [ {z } }z z }} V }{ X }{ z VXX X VXV z }| ` – 5 VVX { VVX w VVV { VX} } VX} X VVV w VV` \ VVX X VV[ | – \ V[w X V[} } V[X } VV| [ VV{ } VV} X V[V X VV} ` VV\ z – N 3 6 ' índices estaciona es ' ' $ 6 ' ' ' J 'Y 6 6 $ Y6 ' na ' 6 índices de ariación estacio' 6 V [ 3 ` 5 \ VXV [ 83,3 {\ V }{ X VVV w V[X V www.FreeLibros.org BIMESTRE !Z@ CAPÍTULO ONCE SERIES CRONOLÓGICAS 565 AJUSTE ESTACIONAL * $ ' ndice estaciona Y ' 6 2 ' ' 6 @ 3 2 3 + $ [XVVJ 2 9 `V[ y X }X[z Q `z\ zVJ A 6 9 w}[ y X {zw| Q `z} V{J 2 `w{ y X }`|z Q `\[ [| ' _ ' 6 ' 9 _ 2 [XVV MESES VENTAS REALES ÍNDICE ESTACIONAL VENTAS DESESTACIONALIZADAS `V[ }X [z `z\ zV A 6 w}[ 85,37 `z} V{ 2 `w{ }` |z `\[ [| 6 `|X }} `{ `|[ `\ `|\ VXw [z `\V X[ ' `|\ VX[ Xz `\\ `` ' `{[ }} z} `{w }{ `\X }} \X `\V {z * 6 `z` }z `[ `z| |} '6 zX[ VX[ || `{{ `| 6 zX` VX[ [\ `}[ {\ ! 6 \V[ V[[ X\ zXV w} % + % 2 6 ] [XVV BIMESTRE PRECIOS ÍNDICE ESTACIONAL PRECIOS DESESTACIONALIZADOS V `\{ VXV [ `\[ `\ [ `VX 83,3 `}[ [X 3 `[\ {\ V `}` || ` zV\ }{ X z[\ zw 5 `}[ VVV w ``[ Xz \ \{` V[X V z\} zw `\{ = `\[ `\ V XV[ `VX = `}[ [X etc X {ww www.FreeLibros.org 566 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO EJERCICIOS PARA RESOLVER N en Línea SIL. || @ ' 3 6 ' ' Sistema de Información ' ' MESES 2007 2008 2009 2010 2011 z[X \VX |V\ |zX {Xz A 6 `VX z[X \[X \}X |z` 2 wXX `{X \XX \zX |V[ 6 w{X zXX `zX z[X \VX [\X w[X `VX `{X \{X ' w}X w}X w{X `VX z[X ' `{X `}` `}X z\X \VX `XX `zX zXX z[X z`X * 6 [{X w[X `V[ `|X zVX '6 [zX wXX `XX `wX \{X 6 w\X `V[ z|X \}` |{` ! 6 |\X {V` {zX }VX VX[X * 9 + @' 6+ ! 2 |{ N =$ ' 6 BIMESTRES = ' ' ' N 2007 2008 2009 2010 2011 Primero wzX `VX \Xz |zX }\X * ' [[X w{X z[X |XX }VX [XX w\X `{X \zX {|X @' w\X `[X z}X |[X }{X ' `zX z{X |\X {|X VX{X * / \[X |zX {{X VX[X VV[X www.FreeLibros.org + @' 6+ ! 2 &' CAPÍTULO ONCE SERIES CRONOLÓGICAS 567 Síntesis de capítulo ' =$ &' ' = 6 ' ' ='' ' % 6 ' ' = 9 tendencia ariaciones estaciona es cíc icas a eatorias N tendencia ariación estaciona N tendencia 6 ' recta parabó ica e ponencia '&' 6' &' 3 &' 3' % N $ ='' 6 Y 2 &' &' ' $ @ / VX 36 ' #'' &' &' 6 N tendencia ' J 6 '2 $ 2 $ ' = '2 #'' Y = ' @ $ &' @' ' $ &' 3 ' 6 6 ' $ &' 6 3' $ www.FreeLibros.org www.FreeLibros.org CAPÍTULO UNO CONCEPTOS GENERALES 12 Regresión y Correlación Si un hombre comien a con certe as acabará con dudas pero si comien a con dudas acabará con certe as. Francis acón 569 CONTENIDO Términos, fórmulas, cálculos, 4 $ N %6$ / N 2 4 $ N %6$ / 4 $ $ @ $ 4 * + %' 6 @ $ $ * 3 4 ' el Sistema de Información en Línea SIL. COMPETENCIAS ' 6 9 @ ' 4 $ $ _ &' 4 $ $ ' 3 = @' ' $ 2 @ $ $ ! ' ' $ * % www.FreeLibros.org 570 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO ASPECTOS GENERALES ' &' / $ ' Y 2 ' 6 2 ' ' ' 6 =$ ' &' Y = ' = 9 distribuciones unidimensiona es o datos uni ariantes &' 2 6 ' ' $ &' ' Y6 6 2 ' 2$ distribuciones bidimensiona es bi ariantesJ ' 6 ' = 6' p uridimensiona es o mu ti ariantes REGRESIÓN Y CORRELACIÓN * ' 3 &' ' 63 6 &' 9 '$ 'J J Y 63 63J Y ' 3 &' 9 ' % 6 =$ &' Y 6 / $ &' aná isis de regresión corre ación ' ='$ &' ' N $ &' ' / 6 Dependencia causa uni atera $ #' ' ' Interdependencia * ' #' * ' dependencia bi atera Dependencia indirecta ! 6 ' de una tercera ariab e &' #' ' =9 6 6 ' $ oncordancia * dos ariab es independientes a las cuales se les $ &' ' / o ariación casua @' $ &' casua o accidenta N ' Y = 6 6 Regresión9 $ =' '2 Y 6$ '&' Y www.FreeLibros.org El aná isis de regresión ' ' '$ &' / 6 6 ' 6 $ 6 6 $ $ &' CAPÍTULO DOCE REGRESIÓN Y CORRELACIÓN ='$ / '9 571 ' 6 / ' Recta o función inea 9 = b + c Parábo a de segundo grado9 = a 2 + b + c Función e ponencia 9 = cb Función potencia 9 =c b @ ' =' ' ' &' 6 &' / 'Y =' &' 6 El aná isis de corre ación 6 =' 2 &' ' $ '2 ' o corre ación de Pearson e aná isis de corre ación =' 2 $ 6 el aná isis de regresión $ $ ' ' 6 6 ' '' 6 &' &' $ / $ 6 ' = $ ' inea parabó ica e ponencia ' 6 ' ' 6 aná isis de regresión ' ' medidas de posición dispersión 6 ' &' =' ' N l, 2, 3 n 6 6 X l, 2, 3 n ' 6 ¤ * 6 &' i ' l; 2 2 ' = n 6 6 V[V xi yi x1 x2 x3 x4 . . . xn y1 y2 y3 y4 . . . yn % 6 ' 2 ' ' $ ' denominada co arian a A$' 9 9 _2 9 [ [=∑ Q V2 = ∑ [ 2 − Q[ 2 Q \= ∑\ V2 = ∑ \ 2 − Q\ 2 Q Q www.FreeLibros.org ! 9 V = V 2 V = V 2 572 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO Ejemplo 1 *' 2$ ' $ ' VX &' ' ' ' ' '$ ' + + N ' =' 9 6 V[[ @' PRODUCCIÓN (miles mill ) @' 2 3 V+ COSTO (miles mill ) i i VX 3 V{ V[ V\ 22 w\ wX 32 [\ V[ 5 4 5 { V[ VX V` V[ 3 [= _2 @2 4 $ ∑[ = Q 214 = 21,4 10 i VX V{ V[ V\ 22 w\ wX 32 [\ V[ 3 5 4 5 { V[ VX V` V[ 3 [V` |\ &RY = Q ' } 25 V\ 25 \` V`` VXX V}\ V`` } wX }X `{ {X V|\ 432 wXX ``{ wV[ w\ |w[ V}z[ V2 = ∑ \ 2 − Q\ 2 V = 3,93 Q 10 = 732 − 10(7,6) 2 = 15,44 10 i – + -VV ` -3,4 ]} ` -5,4 X\ V` \ {\ VX \ `\ ]} ` V = 8,76 Q = ∑ ([ ( [ − [) ( \ − \) ( [ − [ )2 52,44 8,84 33,84 14,04 0,24 64,24 20,64 67,84 20,24 43,24 325,60 129,96 11,56 88,36 29,16 0,36 213,16 73,96 112,36 21,16 88,36 768,40 − [) ( \ − \) Q 325,6 = 32,56 10 6 i ∑ [ 2 − Q[ 2 = 5.348 − 10(21,4) 2 = 76,84 de as diferencias entre os a ores de a ariab e su media aritmética nos determina a ariabi idad conjunta de X Y9 ] zw`{ i i ' ' 9 –+ -` \ -[ \ -w \ -[ \ X` 4,4 2,4 \` 4,4 -` \ X 62 co ; m o m ' $ = ' ' a co arian a9 2 &' ∑] VXX 324 V`` [z\ `{` V[}\ }XX VX[` \|\ V`` 2 i V2 = \ 76 \=∑ = = 7,6 Q 10 &RY o = 2 i i $ 2 X www.FreeLibros.org &RY = ∑[ \ Q −[\ &RY = 1.952 − (21,4) (7,6) = 32,56 10 CAPÍTULO DOCE REGRESIÓN Y CORRELACIÓN 573 &' '2 co arian a dependencia inea &' / ' ' 2 * &' co arian a es ' ' $ ' '2 * ' = 2&' ' Y co arian a J ' = Y ' 2&' ' co arian a ' 6 ' diagrama de dispersión CÁLCULO DE LA COVARIANZA UTILIZANDO EXCEL Ejemplo 2 ' Y3 ' &' Vz+ 6 6 ' =' = 6 $ $ 6 @_4Z½ / A' V ' ! 86 * Y !* Y @NZ@ $ ¹NZ*Z* ! !* &' = ¹NZ*Z* ! !* ' ' 9 4 ! 4! &' ' $ @_4Z½ V9^Vz www.FreeLibros.org 4 ! *NZ! ![ *! %4 !N @! &' 6 3' $ *!*Z@ &' ' V ' Vw = ' ^* ! !* 63 @N 574 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO A' [ V @2 ' ! 86 A Y @NZ@ @%4 6 A' w @' ' ' 9 4 ' 86 www.FreeLibros.org 575 CAPÍTULO DOCE REGRESIÓN Y CORRELACIÓN DIAGRAMA DE DISPERSIÓN N 6'$ 6 6 V[[ ' ' 3 3 6 6 i + 3 ' 6 i+ En un p ano cartesiano ' 6 ' ' 6 J $ 9 diagrama de desparramiento de dispersión de esparcimiento o nube de puntos 6 Y ' ' conjunto o nube ' ' recti íneo parabó ico e ponencia '&' &' 3' ' ' $ &' J ' ' ' &' 3' 2 &' = &' ' 3' ' Y ' '2 3J 6 ' / ' ' 6 3 3' mano a ada+ ana ítico N &' Y 2 6 ' ' '63 ' ' 9 ' 6'3 4 @' / / 6' ' 6 ' ' 9 V[V '6 ' ! $ 6 uidadosamente la forma &' 3' ' N 6 # 3 3 6 ' N 6 ] 3' ' 6 '6 N 6 Y 6 www.FreeLibros.org 576 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO APLICACIÓN DE EXCEL EN LA ELABORACIÓN DIAGRAMA DE DISPERSIÓN 6$ 4¹AZ@* VXV+ 2 4¹AZ@ ! !Z*%4*Z° '2 =$ Vz 6 ' ' @_4Z½ @AZ@Z ! @44N@Z° z|\ z{\+ 4 '2 6$ 9 @N!* &' =$ 6 ' N* 4°N* % Y @NZ@ 6 ' Z*44 Z% ! 4¹AZ@ !Z*%4*Z° V+ z+ 6 &' = / A' ` Z 6 !Z4 ! !Z*%4*Z° '6 '2 &' 3' 3' ' ' ' www.FreeLibros.org CAPÍTULO DOCE REGRESIÓN Y CORRELACIÓN A' z 4 ' [ 577 ! $ ! $ ¤ 100 90 80 70 60 50 Series1 40 30 20 10 0 0 10 20 30 40 50 www.FreeLibros.org 578 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO REGRESIÓN Y CORRELACIÓN LINEAL regresión '2 ínea recta ' ' 'Y / ' &' 6 ' $ ' y en función de x 9 ó <ˆ = E[ + F ' ó <ˆ = %[ + F ó <ˆ = β1 [ + β 0 <ˆ = β[ + $ ' 9 6 &' ='$ 6 x+ '' * 6 ariab e dependiente / 6 ' &' '' independiente, predictor o e p icati a * ariab e b Q ^ Q V es la pendiente &' ' $ ! 6 &' ' &' ' &' 6 x+ / ' ' A' V[[ 4 $ y ' ' y y ¥ = 9 ¥ ¥ x x 6 À X 6 Â X x 6 Q X * b ' &' X &' J b es menor &' X b ' X ' 3 Y2 A = = 6 &' '2 ' * &' ' ' 2 3 = &' ' '$ ' cuando Q X $ ' ' X ' 6 ' ' X www.FreeLibros.org CAPÍTULO DOCE REGRESIÓN Y CORRELACIÓN A' V[w 6$ y $ y y x QX ' ' 63 3' x x ÀX 579 ÂX ' ' A' V[` 3' ' y ) ) ) & E E E x ' '2 ' b c 62 $ &' ' =6 V X 62 parámetros $ 6 ' 63 6 Y ' $ ' &' $ 6 ' &' mejor ajuste 3 &' 3' ' www.FreeLibros.org 2$ 6 cuadrados i Y bc &' i 6 ' e método de os mínimos 580 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO Método de los mínimos cuadrados ' = ' ' $ ' 2 = 6 i+ i ei2 = 2 i I + = mínimo e es considerado como el error &' ' $ ' 6 = &' ' 6' $ ' $ 6 = 9 + @' 6' ' ==+ 2 6+ @' 6' $ ' &' $ / ' , + # $ȕV y ȕX) ! ' '$ Y = b c ' $ b c+ &' ' '$ ' J 6 '$ ' N ' '$ ' '$ , es decir, = b 2 + c ' ' 4 ∑\ ( 2) ∑ \ [ ' ' = E∑ [ + QF (1) ó = E∑ [ 2 + F ∑ [ '2 =$ 6 3 V9 = β1 ∑ [ + Qβ0 (1) ∑ \ (2) ∑ \ [ = β1 ∑ [2 + β0 ∑ [ ' &' ' b c ∑ \ = 76 ' ∑ [ = 214 ∑ [ 2 = 5.348 sustitución, igua ación o e iminación+ - ∑ [ \ = 1.952 (1) 76 = 214b + 10c (2) 1.952 = 5.348b + 214c % 9 ' '$ V+ ][V ` ' (2) 1.952 = 5.348b + 214c (1) -1.626,4 = - 4.579,6b - 214c 325,6 = 768,4b '$ [+ www.FreeLibros.org ! 3 b= 325,6 = 0,4237 768,4 CAPÍTULO DOCE REGRESIÓN Y CORRELACIÓN Y b o V 2 581 '$ V+ 9 (1) 76 = 214 (0,4237) + 10c 76 = 90,6718 + 10c 76 − 90,6718 = −1,4672 10 9 ' ' ' 63 Siendo F = b Q X `[w| c _ =$' &' ' 6 2 E= &RY V2 E= Q ∑ [ \ − (∑ [ ) (∑ \ ) Q ∑ [ 2 − (∑ [ ) 2 ⇒ E= E=∑ [ \ −Q[ \ ∑ [2 − Q [ 2 E= Q 6 32,56 = 0,4237 76,84 ⇒ E= ⇒ E= ∑ ([ − [ ) ( \ − \) ∑ ( [ − [ )2 ∑ \ − E∑ [ &' 63 ' - 10(1.952) − (214) (76) 3.256 = = 0,4237 7.684 10(5.348) − (214) 2 1.952 − 10(21,4)(7,6) 325,6 = = 0,4237 768,4 5.348 − 10(21,4) 2 ⇒ E= 325,60 = 0,4237 768,40 @ ' 6 $ =$' ' b ó V X `[w| Y F= Q ¡V `\|} ⇒ F= 6 / 6 ' c ó X 76 − 0,4237( 214) = −1,4672 10 F = \ − E[ ⇒ F = 7,6 − 0,4237(21,4) = −1,4672 Predicción o estimación puntual * &' ' 6 ='$ &' ' 3' 6 &' Y 2 interpo aciones &' Y e trapo aciones N &' &' &' 6 + 6 ' &' ' Y 6 ' &' ' = &' 6 % 3 3 V ' '$ &' ' VX Y w\ + ' 6 w V` + 6 &' ' 6$ Y &' &' 6 Y $ 6 6 ' =' ' 3 ' interpo ación ' e trapob ación * ' &' ' 6 6 ' ' www.FreeLibros.org 582 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO $ ' ' $ 6 9 = X `[w| V `\|[ b c 6$ ' /3 2 '$ Ejemplo 2. @' + ' '$ ' [` + = b + c = X `[w|[`+ * { | V `\|[ = { | ' =6 &' ' '$ $ 6 '$ = b _ 9 = X `[w|[` [V `+ + | \ = { | – + + [` - – ANÁLISIS DE REGRESIÓN ' Vz 6 3 [ z||+ '2 aná isis de regresión @N ' 9 * Y !* ' Y @NZ@ $ ¹NZ*Z* ! !* A' ` Z 86 www.FreeLibros.org CAPÍTULO DOCE REGRESIÓN Y CORRELACIÓN A' \ 583 ! 86 ' ' 9 &' $ 44*Z° 4 ¤ ! 4! ^V9^Vz 4 ! 4! V9Vz A 6 3 4 ! *NZ! ![ ' Y @NZ@ ' 6 =$ ¹NZ*Z* ! 44*Z° NZN *Z%N ' @AZ@Z* ! 44*Z° Ão ÃV, @AZ@Z ! @44N@Z° ! !4Z@Z° ! %4* _4Z½* ! N* _4Z^N* ¤ @ $ r = 0,77 R 2 = 0,5975 Q = 15 = 0,8476 x + 50,157 ; s2 = 49,977 ; s = 7,069 c = β o = 50,157 ; β1 = b = 0,8476 ; Y yx xy www.FreeLibros.org *! %4 !N *ZN 3' $ ' Vw = ' ^* ! !* 63 @N *!*Z@ &' ' V 584 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO A' | V 4 ' $ ! 86 A' { @' 4 ' www.FreeLibros.org CAPÍTULO DOCE REGRESIÓN Y CORRELACIÓN 585 Varian a residual y error estándar de estimación VR = Sy2 N arian a residua arian a no e p icada o la suma de os cuadrados de error 6 &' $ &' ' $ $ &' 3' ' 6 &' &' / $ $ &' &' &' 6 3' 6 * a media aritmética de cuadrado de as diferencias entre os a ores obser ados os a ores estimados N =$' &' ' ' ' 9 (1) 6 2 ( 4) 6 2 ∑ ( \ − <ˆ ) 2 = Q = 6 2 ∑ \ 2 − F ∑ \ − E∑ \ [ = 62 − P2 6 (3) 2 (5) Q _ Y $ 2 1) 6 = ( 2) ' 6 2 6 2 = 6 2 − 2EP + E 2 6 2 = 6 2 (1 − 5 2 ) =$' 9 xi yi i yi ±Ǔi ( yi±Ǔi ) VX V{ V[ V\ 22 w\ wX 32 [\ V[ 3 5 4 5 { V[ VX V` V[ 3 [ || \ V\ w \[ z wV | {z Vw |} VV [` V[ X} } zz w \[ X [w ]V V\ X w{ ]X wV X Vz ]V |} ]V [` V }V 2,45 ]X \[ X Xz[} V w`z\ X V``` X X}\V X X[[z w [X`V V zw|\ w \`{V \ XX[z X w{`` [V` |\ |\ XX X XX V\ `w{[ 16,4382 = 1,64 10 2 2) 6 = 15,44 − 32,562 = 1,64 76,84 3) 6 2 = 15,44 − 2(0,4237)(35,56) + 0,42372 + (76,84) = 1,64 2 4) 6 = 732 + 1,4672(76) − 0,4237(1.952) 16,4448 = = 1,64 10 10 5) 6 2 = 15,44(1 − 0,8938) = 1,64 www.FreeLibros.org 6 ' _4 arian a residua o no e p icada+ ' ' &' ' &' = &' 6 ' ' 63 ' ' ' 586 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO Error estándar de estimación ' / $ $ 6 ' $ * &' ' $ $ &' 66 2 '$ $ * 2 ' 2 ' V = V 2 3 &' Y ' s = 1,64 = 1,28 Intervalo de predicción o de estimación El inter a o de predicción o ' + 6 ' ' 6 6$ 2 ' &' 6 * = ' + ' a or de a ariab e 6+ un a or promedio N = $ X+ ' 6 ' 6 _ ' = 6 En el primer caso ' 6 X+ ' a or &' 6 6 6 6 + =$' &' 6 9 <ˆ ± W −2 6 1+ 1 + Q ( [ − [ )2 (∑ [ ) 2 2 − [ ∑ Q *' &' &' 6 2 }z~ 3 &' ' 6 ='$ '$ ' Q [` + VX ' 1 (24 − 21,4) 2 ⎪⎧ <ˆ = 11,81 o <ˆ = 8,7 ± 3,11 = ⎨ <ˆ = 8,7 ± 2,306 (1,28) 1 + + 2 10 (214) ⎪⎩ <ˆ = 5,59 5.348 − 10 + ! VV {V z z}+ 6 ' 2 &' }z~J &' ' z~ &' 63 6 &' &' $ w VV ' $ ' ' ' &' 6 ' 2 ' &' Y ' '2 ' &' ' ' www.FreeLibros.org El segundo caso ' ='$ 6 promedio 3 &' '$+ ' =$'9 CAPÍTULO DOCE REGRESIÓN Y CORRELACIÓN <ˆ ± W 4 2 <ˆ = 8,7 ± 2,306 (1,28) ! −2 6 6 1+ Q 587 ( [ − [ )2 (∑ [ ) 2 ∑ [2 − Q 3 &' 9 ⎧9,67 1 (24 − 21,4) 2 o <ˆ = 8,7 ± 0,97 = ⎨ + + 2 7,73 10 (214) ⎩ 5.348 − 10 | |w } \|+ + ' ' }z~ Varian a explicada = VE Y ' 2 6 S 2 S 2 + 9 arian a tota de arian a tota de 6 Y ' arian a no e p icada o arian a residua S 2 + Y ' ' 2 ' en el análisis $ arian a e p icada 62 S a2 a arian a e p icada ' &' ' $ &' &' / $ $ ' &' =' ' &' &' * media aritmética, de os cuadrados de as diferencias entre os a ores estimados a media aritmética de esa ariab e *' =$' 9 ∑ (<ˆ − \ ) 2 2 6 = Q 6 &' 2 6 ' ' _2 ' _2 / 9 VT = VR+ VE ! ' Y ' &' VE = VT– VR % ' $ 3 &' Y 9 xi yi i Ǔi – –y ( Ǔi – y)2 VX V{ V[ V\ 22 w\ wX 32 [\ V[ 3 5 4 5 { V[ VX V` V[ 3 [ || \ V\ w \[ z wV | {z Vw |} VV [` V[ X} } zz w \[ — ` {w — V `` — w }{ — [ [} X [z \ V} w \` ` `} V }z — w }{ [w w[{} [ X|w\ Vz {`X` z [``V X X\[z w{ wV\V Vw [`}\ [X V\XV w {X[z Vz {`X` [V` |\ |\ XX X – Vw| }V{[ www.FreeLibros.org 4 ' / 9 =$' &' ' 2 588 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO (1) 6 2 = ∑ (<ˆ − \ ) 2 = 137,9182 = 13,79 Q (2) 9( = 97 − 95 10 6 &' ' 6 2 = 2 = 15 , 44 − 1,64 = 13 ,80 2 =$' − 2 ' N $ &' 2 tota , residua e p icada 9 $ ' 6 diagrama de dispersiónJ ' residua ' $ ' 6 &' &' 6 $ 6 J 2 e p icada $ ' ' ' 6 &' &' '6 6 $ VT = Varian a Total VR = Varian a Residual VE = Varian a Explicada % , R = r @ 6 6 $ $ &' regresión corre ación &' 6 $ &' ' Y6 6 $ 6 ' ! corre ación " ' 6 En primer ugar nos referiremos al cálculo del denominado 6 62 R2 N =$' ' 6 ' ' ' '&' &' ' _ 9 P2 (1) 2 5 = Covarianza 2 2 ( ) 52 = (2) 5 = 9( 97 52 = (3) 5 2 = 1 − 95 97 52 = 1 − 2 2 2 2 2 = = 32,56 2 = 0,8936 ≅ 0,89 (76,84) (15,44) 13,79 = 0,8931 ≅ 0,89 15,44 www.FreeLibros.org 2 1,64 = 0,8938 ≅ 0,89 15,44 CAPÍTULO DOCE REGRESIÓN Y CORRELACIÓN 589 El 6 ' &' ' ' $9 X R2 V @' $ ' ' V &' Y una corre ación perfecta &' 6 / ' 6 ' ' '6 ' + =' J &' arian a e p icada ' arian a tota &' $ ' ' 3 ' 6 &' 2 3' 6 R2 X wX &' Y $ 6 ! ' =' [+ &' de corre ación a cuadrado o $ 2 &' &' / '$ $ &' 6 $ 6 6 * 6 &' 3 6 6'6 #' 6 En segundo ugar = ' ' 62 r ó R * ción 6 &' 2 ' ' 6 ' '+ *' ' ' 2 $ ' * 9 = (1) U = &RYDULDQ]D U= (2) U = 52 U = 0,8938 ≅ 0,9454 = 0,95 (3) U= 6 6 U= [QΣ[ ][ − (Σ[ ) 2 QΣ\ 2 − (Σ\ ) 2 ] 10(1.952) − (214)(76) [10(5.348) − (214) ][10(732) − (76) ] 2 (4) U= [Σ[ Σ\ [ − Q [ \ 2 ][ /- 32,56 ≅ 0,945{ = 0,95 (8,76) (3,93) QΣ\ [ − (Σ[ ) (Σ\ ) 2 =$' 6 − Q [ 2 Σ\ 2 − Q \ 2 = 0,9452 ≅ 0,95 2 ] ⇒ U= 1.952 − 10(21,4 )(7,6 ) [5.348−10(21,4) ][732−10(7,6 ) ] 2 2 ≅ 0,95 $ 6 ' ¡V V &' 9 V r V a re ación será perfecta cuando r ' V ¡VJ Y ' $ cuando r Q X $ X wX www.FreeLibros.org *6 &' $ ' V r V 9 590 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO A' V[z @ \ =1 $ = −1 \ 0< \ <1 ˆ ˆ = Xˆ Xˆ ˆ = Xˆ [ [ [ −1 < \ <0 \ ˆ =0 ˆ Xˆ Xˆ [ [ El grado de corre ación ' 2 Correlación perfecta, cuando r Q V Correlación e ce ente, cuando r Correlación aceptab e, cuando r QV X }X V V< r X }X+ ' X {X X }X X }< r X {+ Correlación regu ar, cuando r ' X \X X {X X {< r X \+ Correlación mínima, cuando r ' X wX X \X X \< r X w+ No ha $ r ' X wX X 6 ' 6 ' ' &' 6 ' $ ' = 6' $ 6 ' ' 6 ' X {\ 6 9 ' X w < r < X+ 6' ' 6' ' 6 ' J 3 ' + = www.FreeLibros.org @ $ de regresión ' # $ CAPÍTULO DOCE REGRESIÓN Y CORRELACIÓN 591 CÁLCULO DEL COEFICIENTE DE CORRELACIÓN CON APLICACIÓN DE EXCEL @ 6 z||+ &' Y3 ' @AZ@Z ! @44N@Z° + ' 9 ' @ 6 \V\+ &' Y3 ' ' @AZ@Z ! @44N@Z° + ' 9 Y !* $ ¹NZ*Z* ! !* A' } ! 86 * &' = ' ¹NZ*Z* ! !* $ @AZ@Z ! @44N@Z° Y @NZ@ @%4 4 ! 4! V9^VzJ ' 4 ! *NZ! ' @N! Y3 ' ' !w A Y @NZ@ @%4 '$9 &' www.FreeLibros.org 592 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO A' VX @' @ @ $ 86 A' VV @' 4 ' 86 www.FreeLibros.org ' 3 z||+ 3' ' 3 &' 6 6 ' 9 CAPÍTULO DOCE REGRESIÓN Y CORRELACIÓN A' V[ @$ @' 4 ' 593 ! 3 86 r = X [X $ o = w` \| S 2 = VXw [} $ % 9 S 2 = [{} |V PRUEBA DEL COEFICIENTE ANGULAR O COEFICIENTE DE REGRESIÓN ó b N b Y '3 6 ' ' ' ' ' '$ $ 2 $ 6 6 ' ' '2 ' 6 Z t 6 n ] [ 6 6 &' ' ' $ 2 * b, la pendiente muestra , la pendiente pob aciona ' Y$ ' H + ' ' X = &' = ' &' $ 6 + * t ' 9 W −2 = E1 − β1 61 9 6 1 =6 1 Σ( [ − [ ) 2 www.FreeLibros.org SbV , es el b ' &' ' Y6 b '$ &' 9 ' $ 594 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO 6 1 = 1,28 1 = 0,046 768,4 Y &' 9 a) + 0 : β1 = 0 + : β1 ≠ 0 (No hay relación) (Si hay relación) ∝ = 0,05 b) ∝ = 0,05 ∝ = 0,05 c) E = 0,4237 W= 0,4237 − 0 = 9,21; Y = 10 − 2 = 8⎫ W = 2,306 0,046 ∝ = 0,05 ⎬⎭ -2,306 2,306 + @' t &' tn – 2 Y$ ' ' Y$ 3 Ha ' ' $ &' $ ' ' ' 6 6 &' 3 Y2 Y$ ' HX Y$ Ha &' ' $ &' Y2 Y$ ' 6 &' Y $ Y $ 6 '$ ' $ / ' $ ' 2 ' 6 ' 6 / ' $ 6 Y 6 ' % V Y HX 9 V = X ' ' * ' ' $ &' Y $ V =' &' Y $ 6 E1 ± W −2 6 1 0,5298 ≅ 0,53 = 0,4237 ± 2,306(0,046) = 0,4237 ± 0,1061 = ⎧⎨ ⎩0,3176 ≅ 0,32 6 ' Y$ ' &' ' Y6 ' $ ' = 6 PRUEBA DEL COEFICIENTE DE CORRELACIÓN r &' ' 6 / 6 Y $ # 6 ' % & = X &' Y+ &' $ 6$ ' = &' = J &' 9 W= U 1− U Q−2 2 = 0,95 = 8,10 1 − 0,89 10 − 2 www.FreeLibros.org 9 * ' ' @' } CAPÍTULO DOCE REGRESIÓN Y CORRELACIÓN N ' 6 2 ' &' ' + HX 9 & = X Y $+ Ha 9 & X * Y $+ ' 595 9 ∝ = 0, 05 ∝ = 0 ,05 6+ X Xz + t = [ wX\ -2,306 + * 6 &' { VX 2 2,306 Y2 &' Y $ 6 6$ &' &' ' &' $ z~ $ 6$ = Suposiciones en el análisis de la regresión * ' &' 6 Y $ Norma idad 6+ Homoscedasticidad + Independencia de error + Norma idad9 de X ' &' 9 + Y 6'$ 6+ Homoscedasticidad9 '' ' $ $ X &' &' 63J = $ ' + Independencia de error9 X 6 &' $ /:;<,==>?@JK=Q>W"[=K==Q>W"\]^ ' &' '$9 Primer procedimiento: 6 6 &' 3 V '$ 6 i 6 i Y 6 i '$ 6 ' 2 2 6 ' 2$ 3 V i COSTO (miles mill ) PRODUCCIÓN (miles mill ) i i 3 5 4 5 { V[ VX V` V[ 3 VX V{ V[ V\ 22 w\ wX 32 [\ V[ % 6 Y 6 ' $ ' ' ' '2 2 = =$' 9 Q = 10 Σ[ = 76 Σ[ = 732 Σ\ = 214 Σ\ 2 = 5.348 Σ[ \ = 1.952 [ = 7,6 \ = 21,4 2 www.FreeLibros.org 596 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO β1 y β 0 Cálculo de b y c (1) 214 = 76E + 10F (2)1.952 = 732E + 76F E= ( 2) 1.952 = 732E + 76F (1) − 1.626,4 = −577,6E − 76F 325,6 = 154,4 E 0 ⇒ 325,6 = 2,1088 154,4 Reemplazamos en (1): 214 = 76(2,1088)+10c ⇒ 214 − 160,27 = F = 5,373 10 E= QΣ[ \ − (Σ[ ) (Σ\ ) 10(1.952) − (76)(214) = 2,1088 ⇒ E= 10(732) − (76) 2 QΣ[ 2 − (Σ[ ) 2 E= QΣ[ \ − Q [ \ Σ[ 2 − Q [ 2 E = &RY ⇒ E= 2 F= F = \ − E[ Σ\ − EΣ[ Q ⇒ E= 1.952 − 10(7,6)(21,4) = 2,1088 732 − 10(7,6) 2 32,56 = 2,1088 15,44 214 − 2,1088(76) = 5,373 10 ⇒ F = ⇒ F = 21,4 − 2,1088(76) = 5,373 Ejemplo 2 @ =$ 3 V+ '$ + ' '' '$ Vw 3 2 @' $ % Solución: % 2 $ Y = [ VX{{ + z w|w = [ VX{{Vw+ + z w|w w[ |} + $ = [ VX{{ Vw | \+ + [V ` w[ |} <ˆ = E( [ − [ ) + \ Y 6 2 6 2 6 2 ' 2 ' = 95 = 6 2 (1 − U 2 ) = 6 2 − &RY 2 6 = 2 ⇒ ⇒ Σ\ 2 − FΣ\ − EΣ\ [ Q 6 6 2 2 $ ' / 9 = 76,84(1 − 0,8936) ≅ 8,18 = 76,84 − 32,562 ≅ 8,18 15,44 ⇒ 6 2 = 5.348 − 5,373(214) − 2,1088(1.952) = 8,18 10 www.FreeLibros.org ' 95 = Σ( \ − \<ˆ ) 2 Q { V{ / + Q CAPÍTULO DOCE REGRESIÓN Y CORRELACIÓN N $ ' N 9 6 2 = w[ |} ± w wX\ [ {\+ _+ = 6 2 = 8,18 = 2,86 6 9 1+ ó = w[ |} ± [ wX\ [ {\+ % + ⎧43,52 1 (13 − 7,6) 2 = 32,79 ± 10,73 = ⎨ + 2 10 (76) ⎩22,06 732 − 10 ⎧36,33 1 (13 − 7,6) 2 + = 32,79 ± 3,54 = ⎨ 2 10 (76) ⎩29,25 732 − 10 N ' 2 }z~ es un a or o un promedio [[ X\ `w z[J [} [z w\ ww ' 6+ ' ' - Y ' ' 9 U= U= [QΣ[ $ QΣ[ \ − (Σ[ )(Σ\ ) 2 ][ 597 − (Σ[ ) 2 QΣ\ − (Σ\ ) 2 2 % ' =$- ] 10(1.952) − (76)(214) [10(732) − (76) ][10(5.348) − (214) ] 2 ≅ 0,95 2 95 8,18 =1− = 0,8936 ⇒ U = 0,8936 ≅ 0,95 97 76,84 9( 68,66 U2 = = = 0,8936 ⇒ U = 0,95 97 76,84 U 2 =1 − 9( = 6 2 − 6 2 = 76,84 − 8,18 = 68,66 = 6 2 r Q X }z ' 6' = + 6 $ &' / ' 6' $ ' N ' 6 Y$ 6 $ 6+ $ + ' ' / ' Y2 6 E segundo procedimiento 2 =' ' $ '&' ' &' Y6' 3 '2 ' ' ' 6 &' ' ' ' ' $ &' 3 ' www.FreeLibros.org USO DE LA CALCULADORA ' ' 6 &' 9 598 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO <ˆ = E [ + F @' 6 ='$ producción en función del costo <ˆ = E ( [ − [ ) + \ ;ˆ = E \ + F @' 6 X̂ ='$ caso costo en función de producción ;ˆ = E ( \ − \ ) + [ 6 Al calcular b , b , c , c &' '$ 9 6 ' (1) Σ\ = E Σ[ + Q F (2) Σ\ [ = E Σ[2 + F Σ[ ó ' 6 (1) Σ[ = E Σ\ + Q F (2) Σ[ \ = E Σ\ 2 + F E = Q Σ[ \ − (Σ[ ) (Σ\ ) QΣ[ 2 − (Σ[ ) 2 ó E = Q Σ[ \ − (Σ[ ) (Σ\ ) QΣ\ 2 − (Σ\ ) 2 E = Σ[ \ − Q [ \ Σ[ 2 − Q[ 2 ó E = Σ[ \ − Q [ \ Σ\ 2 − Q\ 2 &RY ó E = E = % 6 2 Σ( [ − [ ) ( \ − \ ) Σ( [ − [ ) 2 F = ó - 9 &RY 6 2 E = Σ( [ − [ ) ( \ − \ ) Σ( \ − \ ) 2 9 Σ\ − E Σ[ Q F = \ −E [ ' Σ\ 6 =$' &' =' Y E = ' Σ[ − E Σ\ ó F = ó F = [ −E \ 6 ' Q ' =9 @*Z =/ ] zXXXA9 MODE ÷ N4 regresión inea +J ' 6 Y =$ 9 SHIFT DEL EXE * =$ 9 10 SHIFT ( 3 DT J ' 18 SHIFT ( 5 DT ' &' DATA ó DT 6 10 3 18 5 N SHIFT ( &' + www.FreeLibros.org 2 =$ 9 CAPÍTULO DOCE REGRESIÓN Y CORRELACIÓN SHIFT SHIFT PROG PROG SHIFT [ = 21,4 1 Q = 10 1 2 Σ[ = 214 2 σ = 8,7658 3 Σ[ 2 = 5.348 3 σ 4 Σ\ 2 = 732 5 Σ\ = 76 5 σ = 3,9293 6 Σ[ \ = 1.952 6 σ 7 F = −1,4679 8 E = 0,4237 9 U = 0,9452 y con SHIFT 4 599 −1 = 9,24 \ = 7 ,6 −1 = 4,1419 N '$ 9 <ˆ = 0,4237 [ − 1,4679 ! Q [` ' [` le damos EXE { |X + costo * 6 Vw ' X ENTER VwX̂ ' ENTER 6 w` V` + ' / ' 6 3 Y 'Y ' co arian a &' ' ' 6 9 SHIFT 2 x2 x SHIFT 8 EXE ' w[ z\ ' ' 6 % 'lo de la arian a residua o no e p icada de S 2 S 2 6 9 S 2 = S 2 V + r2 + SHIFT 5 x2 ( 1 – SHIFT 9 x2 ) EXE 1 – SHIFT 9 x2 ) EXE S 2 = S 2 V + r2 + SHIFT 2 x2 ( ' V \` ' { V{ % $ r+ 6 SHIFT 9 EXE ' 6 X }`z[ X }z ' b &' b b + = R2 5 2 0,94522 ' b = = = [ VX{ '$ '2 X̂ = [ VX{{ Vw | \ + + [V ` = w[ |{ E 0,4237 &' ' Y ' = $ =$' &' ' 9 www.FreeLibros.org N =/]wzX * @*Z MODE REG ' 4 3 ; ' 1 N + =$9 10 3 DT ' 600 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO N Y9 *ZA 1 i2 ; con 2 i 3 # Y + 4%N¤ i2 , i , i i – 1 2 3 ' SHIFT 2 2 'n 'n – V ' – 6 1 2 3 J 4%N¤ 'n ' n – V J ' 4%N¤ &' &' @ X; = V = b r ! +J 4%N¤ º º n 6 Algo más sobre varian as 2 9( 100 = 97 95 100 = 97 1 = 95 + 9( 97 97 2 100 = 2 2 2 &' &' / 100 3 $ 2 2 100 = 2 2 % 3 2 &' &' / $ 100 o Ejemplo 3 ! ' 6'$ r = X }X 9[ + ] =6 + 6 + 2F 2 2 6 ' – S = [ VX =5 S = V [X 9[ − ] = 6 2 + 6 2 − 2F + 6 X̂ cuando `X 6+ @' 2 / en función de 9 – cuando = VX wX Solución: U= P E = P 62 U (6 ) (6 ) = P ⇒ 6 6 2,268 = 0,5143 ≅ 0,51 4,41 = ;;ˆˆ == EE ((\\ −− \\)) ++ [[ Siendo: ⇒ 0,9 (1,2) (2,1) = P = 2,268 Cuando y = 40 se tendrá que: ;ˆ = 0,51(40 − 10) + 5 = 0,51(30) + 5 = 20,30 E = P 6 2 = 2,26 = 1,56 1,44 Cuando x = 30 ⇒ ˆ E ([ − [) + \ < <ˆ = = E ([ − [) + \ <ˆ =1,56 (30 − 5) + 10 = 39 + 10 = 49 6+ N arian a residua e p icada de 6 2 6 2 = 62 − P 6 ' =9 5,10 = 4,41− 3,54 = 0,87 1,44 6 2 = 4,41− 6 2 = 4,41 − 0,87 = 3,54 (0,868333) * _4+ www.FreeLibros.org 6 2 = 62 − 62 (3,541666) * _+ 4 ' ' ' CAPÍTULO DOCE REGRESIÓN Y CORRELACIÓN Ejemplo 4. $ X Y &' / '$ $ X \X ' 3 601 $ Solución: 2 52 = 1− 2 0,36 = 1 − 2 \`~ 2 ⇒ 2 = 1 − 0,36 = 0,64 = 64% 2 2 &' / $ Ejemplo 5. * ' 6'$ 6 6 + @' 2 &' 9 [ Q VX wJ ] Q { V [ – ] Solución: a+ b+ ] = [X ] + [Y ] + 2m [ – ] = [X ] + [Y ] 2m [ a+ VX w = b+ { V [X ] 2,2 = X [X ] + Ejemplo 6. @ [Y ] ' '$ 6+ ]V + 2m [Y ] + 2m X `m m = 2,2 = X zz 4 [ ` \ | { Vz V} [z w{ w` * + N $ ' 6+ $ * ' + ' =' 6 ' Y9 ' Solución: + yi xi yi x i2 y i2 2 4 \ | { Vz V} 25 w{ 34 wX |\ VzX [\\ [|[ 4 V\ w\ `} \` 225 w\V \[z V``` VVz\ [| VwV |}` V\} w{VV xi P = E = Σ[ \ −[\ Q P 6 2 = [ = 27 = 5,4 5 \ = 131 = 26,2 5 P = 794 − (5,4) ( 26,2) = 17,32 5 17,32 = 3,7328 ≅ 3,73 4,64 6 2 = Σ [2 − [ 2 = 169 − 5,4 2 = 4,64 Q 5 <ˆ = 3,73( [ − 5,4) + 26,2 P2 Σ \2 − \ 2 = 3.811 − 26,2 2 = 75,76 Q 5 www.FreeLibros.org 6+ 52 = E E = 2 2 6 2 = 602 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO E = 17,32 = 0,2286 ≅ 0,23 75,76 5 2 = (3,73) (0,23) = 299,98 = 0,85 (4,64) (75,76) ' &' # = ' 6 / Y Y + EJERCICIOS PARA RESOLVER N en Línea SIL. V 3 6 ' ' Sistema de Información @ ' 9 £ i Q VVX n Q z £ i i Q V{\{ £ i2 Q wVz\ £ * '9 + $ Y 6+ N 2 / Y + cuando Q {X ' i Q \X £ i2 Q VVw{ 2 }z~ [ ! 6 ' $ ' 9 {X+2YQV V\ X k } Y Q V @' $ ' w N $ =' ' Y+ '$ 6 =' + = \` V ` * 6 &' – = 45 S =|[ S = VX z 9 6+ @ $ + N $ X̂ 6 + – ` ! ' ' 6 '' = ! $ &' ! $ &' @ &' '6 Q [XXX Q wXXX ' 9 $ Q X {z @ 6 ' $ = &' rQX{ Y z ! 9 \ * Y = ' ' ' '3 ' ' ' ' ! ' ' ' 2 6' '3 ' ' &' '$9 S =\ % ! %Z!9 ^ %4!@Z_Z!!9 YQ|k` } 23 V| 35 ' S [X [} V} 33 [X 43 23 32 www.FreeLibros.org + 6+ + + @' ' ' 63 ' '3 ' =' 6 $ $ A3 ' 66 }z~ ' ' + V\ 603 CAPÍTULO DOCE REGRESIÓN Y CORRELACIÓN | ! ' 6'$ 6 = ' 6 &' ' 6 6 Q |w X \ J $ Y 6 [ 2 ' $ ' 6 { @ ' 9 £ i = V`[[z £ i = [{| £ i Q [|w £ i2 Q V`}VV £ + @' $ 6 6+ @' 2 / 6 Y + @' $ + 6 $ ' 6 } $ ' 6 { } @' 2 i QVwz}} zX 2$ '$ $ X Y ' = 9 J – = [X – = \ \ ' [{XXX VX ! ' 6 E = −0,2 * 5 = 0,9 6 =8 V[ @ 6 = 5 a) P = 10 6 b) E = 0,95 E = 1,24 c) E = −0,7 E = 0,9 d) P = −10 U = 0,8 e) 9[ 9[ ] = 8 − ] = −14 Vw ! =5 ' 6 ' + m ={` ' &' 9 6 r ' 9 =8 6 9[ ] = 12 2 =4 P = 17 6 3' &' 2 a) 6 = 19 5 2 = 0,81 6 b) <ˆ = 4 + 7 [ [ = 10 \ = 64 c) E = 0,3 E = −3 5 2 = −0,9 d) P = 60 6 2 S 2 = \X [=2 ' = = wX Y ' 2 ' 2 VV * 6 = 3 S2 &' $ 2 nQ{ = 6 2 = 50 ' ' = 10 U = 0,8 E = 1,2 www.FreeLibros.org V` ! ' ' ' 9 $ ' [X 604 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO 0 [ 2 ] = 81 = P = 50 Σ [2 Q @' 0[ 0[ $ Vz 2 9 9[ V\ % 6 6 =8 6 + − 2 6 ] = 9,2 ]=7 Σ[ \ = 1.240 9[ y − ] = 14,8 9 0 [ ] = 16 = [ 6 + ' 0 [ ] = 13 = \ Calcular S 2 '$ Σ\ 0[ 2 ] = 49 = Q &' = 10 ]>0 U = 0,6 V| @ = ' ' 9 + $ ' –V &' $ &' 3 # 3 6 6+ N $ ' + ' &' 2 + * r &' ' 3' / &' ' 6 + $ ¡V V V{ ' 6 Σ [ = 174 * = ' [X 3 Σ \ 2 = 5.904 Σ \ = 340 cuando 6' ' =$9 Σ [ \ = 3.062 Σ [ 2 = 1.626 Q wXJ + ' 2 }z~ V} N 6 X Y ! 6 ' 2 6 = 25 P 2 = 400 =3 6 9 $ Y 6 ' ' [X * 9 b = 0,40 U = 0,94 6 2 = 18 * 9 + ! 3 2 &' &' / $ de 6+ N 2 ' 6 X Y Y en función [V @ ' [X 3 6 Σ [ = 174 Σ \ = 340 Σ [ 2 = 1.626 Σ \ 2 = 5.904 Σ [ \ = 3.062 Q = 20 + * cuando Q VX $ 6+ @' $ [[ ! ' $ 6' &' 9 E = 0,2 U = 0,9 9[ ] = 20 Hallar la 9[ + ] www.FreeLibros.org [w * 9[ ] = 56,09 9[ ] = 64,8 0 [ ] = 11.223,5 X̂ cuando [X 0[ 2 ] = 4.567,21 0 [ 2 ] = 27.812,25 605 CAPÍTULO DOCE REGRESIÓN Y CORRELACIÓN 9 9[ ] = 6 2 [` ! 6 [ =8 9[ ] = 6 2 Σ[ \ Q X Y \ = 21 =2 6 + '$ 6+ \ = 1,2 6 2 0[ = 18 2 ]= Σ \2 Q 0[ 2] = Σ [2 Q 6 &' 9 P = 3,6 ' Ŷ en función de $ [z !' [ = 28 0[ ] = 6 2 =8 6 2 =2 6 + '6 Y + / &RY = 4 ' '6 @' 9 ' ' Vz~ &' $ ' + 6 $ 6+ @' % ' wXXXXXX '6 Nota: 6 ¤ ' Vz~ 2 ' 9 ' 2 \ = 1,15 ( \ ) = 1,15 (1,2) = 1,38 6 2 = 1,152 ( 6 2 ) = 1,152 ( 2) = 2,645 &Rv = 1,15 (&Rv) = 1,15 (4) = 4,6 [\ ' ' [X ' + / + [ = 70 \ = 75 Σ(<ˆ − \ ) 2 = 115,2 6 =4 ' 6 2 ' = 64 + ' 3 2 &' / 6+ ' 6' ' $ \[ / @' $ &' 6 / + @' 2 ' 6 X + Y+ [| * a) b) + 9 Σ (<ˆi − \ ) 2 = 810 Q = 30 N ' ' Y en función de [}X $ ' $ &' &' / $ * 9 + @' $ 6+ * Q V[XJ 3 2 }X~ Y www.FreeLibros.org [{ wV salari X = salarios en 3' [XVX 'X J ¤ Q J [ Q w{[X = 4 6 2 = 6 2 Q [zXX @ Q wXX l d 606 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO * wV 6 [XVX =' ' [X~ ' $ 6 wV 6 [} 6 '' + ' ¤+ '$ =$ VX $9 xi 9 i 9 3 2 5 3 3 5 2 4 4 \ V 2 5 5 2 V \ 3 3 5 =$ 3' &' ' $ ='$ '' ' VX '' wX ! ' + ' 6+ ' = &' 6 ' 2 6 &' J 6 2 = 28,6 X Y 6 = 28, 2 2 – =5 6 &' 9 Q z k ` { – = [X E = 1,2 = 6 2 = 50 c) &RY = 80 6 2 d) 6 = 19 5 2 = 0,81 62 e) E = 0,3 E = −30 5 2 = −0,9 = 10 wV * 6' $ / Y+ + ' ' zX '' * ' =$ Σ[ \ = 30 Q 9 Σ [ = 100 a) ; =E \+& U = 0,8 Σ \ = 500 Σ \ 2 = 5.390,5 X+ 2 b) 6 y 6 2 + N ' ' [X w[ @ 6 ' ' X+ Y+ * ' 6 = ' 6 @ n Q wX 6 ' + 6 X xi9 i9 [ } | \ z { | } w } \ z [ w V w [ V V w [ w ` [ \ \ { } w [ w ` | { \ | { w { | } z | \ ` { w w V w ` w ` w ` w ` [ w w * 9 + 6+ A3 cuando Q \ ' % Q }z~ $ 2 + ! ww ! ' $ 6' &' 9 b = X [ ' 6 + + r=X} S2 = [X Y 2 www.FreeLibros.org w` @ ' 9 i = 45 i = Vz 2 i = `}z i2 = 55 i i = V\z n=5 CAPÍTULO DOCE REGRESIÓN Y CORRELACIÓN * + 6+ + 607 @' $ cuando Q \ 6 2 }z~ ! 3 2 &' &' $ / $ wz @ ' Z4* /i 9 ** i 9 \zXX |XXX \wXX VX = {XXX \|XX |XXX + VXXXX VVXXX |zXX {XXX }XXX VX{XX {wXX {[XX }XXX |wXX |}XX {zXX {\XX ||XX + !6'3 $ '6 ' 6+ $ X̂ + ='$ + 6'3 + @' ' = &' ' ' V[`XX + 2 6 = 25 U = 0,80 w\ * [ = 30 + X̂ cuando Q [{ 6+ ! 2 ' w| ! ' a) <ˆ = 0,932 [ + 6,84 \ = 45 6 =8 = % &' [ = 104 \ = 105 2 b) Σ( \ − <ˆ ) = 24 Σ(<ˆ − \ ) 2 = 16 Q=5 c) P = 4 <ˆ = \ + 4( [ − [ ) 6 d) <ˆ = 0,2 [ − 4 6 2 e) 6 = 16 U = 0,3 2 2 = 50 2 6 = 18 =9 [ = 30 6 2 Σ[ \ = 50Q <ˆ = 2 [ + 5 =6 w{ 2 ' ' VX 6&' $ $ 6 ' =$9 Σ[ = 7.620 Σ\ = 28,5 Σ[ \ = 26.370 Σ[ 2 = 7.104.300 Σ\ 2 = 99,75 + N = &' 3 VzXX ' ' 6+ ' 3 =$ / $ w} ! ' ' =$9 zX ' ' / 6 Σ([ − [ )(\ − \ ) = 241 [ˆ − \ ) 2 = 196,34 Σ(< Σ([ − [ ) = 310 Σ(\ − \ ) = 218,15 [ = 20 \ = 30 2 * 9 + 6+ ' 3 ' 2 www.FreeLibros.org , cuando Q wX 3 }[ {~ 2 &' / $ en 608 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO `X *' &' ' = =$ '= 6 $ * Y = ' { 6 ' ' 9 X Q =$ Y Q 9 9 * + 6+ + 3 }z 5 }X \ {{ { {z } {[ ' '$ $9 @' =' @' Y =$ ' ' ' VX {X ' V[ |\ |X Y Vz |X =$ `V N '6 ' ' Y '/ &' * ' ' 6 = ' \ ' ' &'9 +9 *N^ZNZ!! ' +9 + @' 6+ @' 2 + ' $ 3 | 2 } V VX 3 { ' [X 5 5 4 \ $ '$ VX ' ' &' 6 ' &' '$ `[ * Y 6 &' '+ 6' 6 =$ ' $ 2 ' ' $ ' ] ' &' 2 6' 6 6' ' ' 6' 6 ' / '$ { 2 _N _*9 %4!Z !%44* ¹Z* +9 V\ [ V| ` V[ w wz } `[ V [\ ` V} X VX V V{ w [V [ V| \ 23,4 25,2 [X ` [V \ V{ \ * 9 + &' ' 6 6+ ' 3 $ + ' 2 &' &' X̂ ' / ' / + }z~ ' + ' / [z `w ' ' 6 $ ' $ X {X 6 + ' ¤+ %4@Z ' +9 _N4 ! N @ +9 – = 25 – = \X s =|z s = V` ` www.FreeLibros.org + % ' `X ' ' + 6+ @' 3 2 &' &' / $ 609 CAPÍTULO DOCE REGRESIÓN Y CORRELACIÓN `` @' 6 &' 9 – = wX s =5 $ X }X – = 45 6'3 $ X̂ +J s 2 = \` `z '$ 3 = Y2 ' ' '=' $ &' ' &' Y6 63 ' 6 ' '$ Y &' # 3 ' ' ! &' $ ' ' 6 $ ' ' 6' ' $ X \z ¤+ N ' 6 zXJ s = \ –= VXX s = VX @ ' ' 6 Y Y 9 * ' 6 ' $ + @' ' $ Y 6+ ' 3 `X ' 6 $ 2 &' / `\ 4 _4!!4 ' ' 6 ' ' &' 6 + diagrama de frecuencias $ 6 ' 3 6+ _ 6 $ &' $ + $ cero &' 6 ' = + varian a no explicada ' cero &' 2 ' 2 / + $ cero k 1 =+ &' 6 dependiente `| ' $ ' S a2 = V [ S2 S2 `{ ' $ r Q X {z S 2 = V\ + ! 2 / 6+ $ wX 6 $ 6 VzX 6 Y &' Y $ / $ `} ' $ [X 6 @' $ ' '$ zX ' $ + 6 ' Y &' R2 = X |X 2 $ / $ = b + c z\ [ \\ w $ b = 2,5, con S b= X { }z~ , si n = 25 www.FreeLibros.org 6+ %6 z~ $ 610 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO zV *'$ &' 2 $ wX 6 ' &' ' ' = 6 ' [[X i – +2 = [[X+J &' ' = ' w{ `J i – )2 = w{ ` N + @' + 6+ ' 3 + %' z~ Y2 $ 2 Y / Y$ $ &' / $ ' $ z[ ' ' [ ' '6 ' ' VX wX~ ' 2 N $ ' 3 '&' ' ' 3 ' '/ 9 6Y ' ' &' ' ' ' ' @ 3$ ' &' ' 2$ &' ' ' $ 6 ' $ &' ' ' 2$ %4@Z ! !*@9 %4@Z ! N _4Z@Z° ! N* _*9 VX V[ V` V\ V{ [X 22 24 [\ 3,43 w |z 4,52 z Vw z }` \ wz | }} { [w } `\ [{ wX VX wz V[ XX + * &' ' &' ' V{~ &' 3 ' 6+ ' 3 2 &' / $ + ' $ Y 6 ' + A3 ' 2 }z~ ' + ' zw *' &' ' ' ' ' 6 ' = ` 6 N $ $ = \{{XXX {[XXXX ' 6' ' '$9 Q ]V{XXX k X {z Q ' J Q ' &' '$ ' 6' 3' + |XXXXX ' ' = ` 6 ' 6+ ' Y Y &' '$ &' ' = &' ' V[XXX @' ' ' /&' 6 &' ' 9 ' '$ '2 ' www.FreeLibros.org + $ z}{XXX = 6 &' ' CAPÍTULO DOCE REGRESIÓN Y CORRELACIÓN + $ `zXXXX = ' 6 611 z` *' &' ¤ Q / X ] VXX+ Q &' ' ' ' 6 &' $ ¤ 6 / '$ = zX + X w + @' $ 6+ ' zz ' $ $ X \` + Z ' &' ' ' 6 6 6+ @' $ $ ' X w Q `XXXX 6 6 [X 6 / ' $ ¤ ' $ &' &' / z~ $ z\ ' =6 '$ &' ' '$ + '$ ' =6$ &' Y $ '$ ' * ' ' V\ '$ ' &' '$9 o ! %@Z* 4!!*9 Z% ! 4 !*+9 o ! %@Z* 4!!*9 Z% ! 4 !*+9 + * ' &' 3 25 4 32 4 [\ | w{ | 34 { `V } w} VV `\ V[ 44 V[ zV V` 53 V\ z{ V| \V [X \` 23 \\ 25 |X ' ' '$ ' ' '$ [` 6+ ' 2 }z~ '$ Vz + %' 6 z~ / ' $ %6 Y $+ + %' 6 z~ &' Y ' $ 6 + z| @ 3 + 9 4 i 9 3 i ' ¤ 4 $ = 9 Q ' 6'J ¤ Q } { { { 6 VX \ @' ' ' 6' 6 VX V[ 4 www.FreeLibros.org z{ @ ' 9 + 6 '$ i = Vz 2 i = 55 en función de i = 45 2 i = `}z i i = V\z n=5 612 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO 6+ @' + @' ~ $ % 2 &' &' / z} N $ ' N % wz 9 i2 = V|}\ i = 234 + ='$ i = {wV ' &' Y $ 2 i = [VXw| i i = z{}X 6+ @' \X @ $ $ ' VX 6 9 i 9 V[ 22 w\ [X [\ 34 V{ [X 25 wX i 9 5 { V[ VX V` V\ VX Vw V{ V} + * ' X̂ cuando 6+ @' Q Vz $ Regresión lineal ponderada @' ' 6 zX VXX Y 6 @N = =$ ' 6 &' Y ' = _ ' 3 producción costo VX 6 {X 6 ' =$ '$ Ejemplo 1. 6 V[[ 6 PRODUCCIÓN (miles mill ) COSTO (miles mill ) i i VX V{ V[ V\ 22 w\ wX 32 [\ V[ 3 5 4 5 { V[ VX V` V[ 3 ' No. ESTABLE TOS ni VX { V[ 5 Vz \ 4 VX { 2 i i ni 2 n i i 2 n i i i i ni wX VXX }X VXXX wXX \V| V\{\ z}\V `VV|[ Vz`|\ i \= ni fi f i i 2 f i i Σ\ Q Q \= Σ[ Q Q [ = 1.686 = 21,075 80 2 f i i i f i i 617 = 7,7125 ≅ 7,71 80 www.FreeLibros.org {X Q n [= CAPÍTULO DOCE REGRESIÓN Y CORRELACIÓN V2 = Σ [ 2 Q − Q[ 2 Q V2 = Σ \ 2 Q − Q\ 2 Q 2 V 2 = 41.172 − 80 (21,075) = 70,4943 80 5.961 − 80 (7,7125) 2 = 15,0298 80 V2 = &RY = Q Σ [ \ Q − ( Σ [ Q ) (Σ \ Q ) 80 (15. 476) − (1.686) (617) &RY = = 30,9091 Q 80 &RY = Σ[ \ Q −[\ Q E = &RY V2 E= 613 &RY = 15.476 − 21,075 (7,7125) = 30,9091 80 30,9091 = 0,4384 ⇒ Con calculadora da el mismo valor 70 ,4943 E= Q Σ [ \ Q − (Σ [ Q ) (Σ \ Q ) Q Σ [ 2 Q − (Σ [ Q ) 2 E= Σ[ \ Q − Q[ \ Σ [2 Q − Q [ 2 E= E= 80 (15.476) − (1.686) (617) ≅ 0,4384 80(41.172) − (1.686)2 15.476 − 80 (7,7125) (21,075) ≅ 0,4384 41.172 − 80 (21,075) 2 Mediante un sistema de ecuaciones normales: (1) Σ \ Q = E Σ [ Q + QF ( 2) Σ \ [ Q = E Σ [ 2 Q + F Σ [ Q ⇒ (1) 617 = 1.686E + 80F (2) 15.476 = 41.172E + 1.686F El cálculo de b = V c = X ' donde b = X `w{` c V z[{X| ' ' + = F= Σ \ Q − EΣ [ Q Q F = \ − E[ c F= 6 9 617 − 0,4384 (1.686) ≅ − 1,52806 80 F = 7,7125 − 0,4384 (21,075) ≅ − 1,52806 $ &' '$ [` Y = b + c = X `w{` [`+ V z[{X\ = { }} ' ' {X ' - www.FreeLibros.org Y 3 2 2 ' ' ' J ' Y 9 '- 614 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO 2 &' / $ =$' Y V2 = Σ ( \ − \ˆ ) 2 Q Q V2 = Σ \2 Q − F Σ \ Q − E Σ \ [ Q Q V2 = 5.961 + 1,52806 (617 ) − 0,4384 (15.476) ≅ 1,49 80 &RY 2 V2 V2 = V2 − ⇒ 8,99 ± 1,96 Q ' ' <ˆ ± ] V 1+ 1 + Q =$' ( [ − [ )2 (Σ [ ) 2 Σ [2 − Q 2 U= r = $ 9 ( [ − [ )2 (Σ [ ) 2 Σ [2 − Q <ˆ ± ] V 1+ Q 6 = ' ó Q Σ [ \ Q − (Σ [ Q ) ( Σ \ Q ) [Q Σ [ Q V `{+ ⎧9,26 1,22 = 8,99 ± 0,27 = ⎨ Miles mill $ 80 ⎩8,72 4 ' &' Q [` 3 &' correlación de Pearson 9 U= V = 1,48 = 1,22 V 2 = 15,030 (1 − 0,90) ≅ 1,50 ' V 2 = V 2 (1 − U 2 ) V <ˆ ± ] 30,912 ≅ 1,48 70,49 V 2 = 15,030 − ][ − (Σ [ Q ) 2 Q Σ \ 2 Q − (Σ \ Q ) 2 ] 6 ' 6 Σ [ \ Q − Q[ \ [Σ [ Q − Q[ ][Σ \ Q − Q\ ] 2 2 2 2 15.476 − 80 (21,075) (7,7125) [41.172 − 80 (21,075) ][5.961 − 80 (7,7125) ] 2 2 ≅ 0,95 y 5 ≅ 0,9 2 Ejemplo 2 @' 6 36 ' '$ 6 = ' ' 6 = $ 6 &' ' 6 6 ' ' ' ¤ ' 3 zX 6 9 www.FreeLibros.org i 9 { 2 4 \ { \ \ \ { \ 4 2 \ \ { \ 2 9 2 X V V 3 2 3 V X 3 V 2 2 V 3 3 X i CAPÍTULO DOCE REGRESIÓN Y CORRELACIÓN i 9 \ 4 \ 2 \ { \ \ 4 2 { 4 { \ { \ 2 i 9 2 X X 2 3 2 2 2 X 2 3 V V 2 2 3 X i 9 4 \ 4 \ 4 2 4 \ 4 4 { 4 2 4 \ \ 9 2 X X 3 V 2 V 2 2 X V 2 2 V 2 V i 615 $ &' 6 ' ' &' ' 3 9 [ ` \ {J 6 9 X V [ w &' ' = 6 6 V[ w @' 6 3 – – \ 3 2 5 3 { 3 V – \ 4 2 X 3 4 2 V 2 4 \ { i i 6 V[ ` ! ' = ' i i 2 2 4 4 4 \ \ \ \ { { { { X 2 X V 2 X V 2 3 X V 2 3 ni 3 5 4 \ 3 2 4 { \ V 2 3 3 zX i ni \ VX V\ 24 V[ V[ 24 `{ w\ { V\ 24 24 [\X i ni X VX X \ \ X 4 V\ V{ X 2 \ } || 2 i ni V[ [X \` }\ `{ |[ V`` [{{ [V\ \` V[{ V}[ V}[ Vzw\ 2 i ni X [X X \ V[ X 4 32 54 X 2 V[ [| V\} i i ni X [X X 24 24 X 24 }\ VX{ X V\ `{ |[ 432 www.FreeLibros.org i i n i fi i ni 2 i fi 2 i i f i i fi 616 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO X̂ como en a recta uti i ando a simbo ogía ( ( podemos cambiar de posición por para ue siempre estimemos [= Σ[ Q = 260 = 5,2 Q 50 \= Σ\ Q = 77 = 1,54 Q 50 V2 = Σ [2 Q − [ 2 = 1.536 − 5,2 2 = 30,72 − 27,04 = 3,68 Q 50 V2 = Σ \2 Q − \ 2 = 169 − 1,54 2 = 3,38 − 2,37 = 1,01 Q 50 Σ[ \ Q − [ \ = 432 − 5,2 (1,54) = 8,64 − 8,01 = 0,63 Q 50 P = * P E = V V = 2 P 2 (0,632) * &' 3 ' % ' 9 E = (1,0084)* = 0,63 = 0,17 3,68 $ $ (0,171739 ) * 0,63 = 0,62 1,01 (0,626735) * F = \ − E [ = 1,54 − (0,17) (5,2) = 1,54 − 0,88 = 0,66 (0,6469565)* F = [ − E \ = 5,2 − (0,62) (1,54) = 5,2 − 0,95 = 4,25 = N ' 6 [+ w+ 6 2 = 2 = 2 2 ' Σ ( \ − <ˆ ) 2 Q Q Σ \2 Q − = 62 − P2 ' ' ' 9 = X V| + X \\ X̂ = X \[ + 4,25 % ' V+ & 6 2 = = 2 − =$' ' 9 Σ ( [ − ;ˆ ) 2 Q Q Σ \ Q −E Σ [ \ Q Q 2 ' P2 2 = Σ [2 Q − & Σ[ Q −E Σ[ \ Q Q www.FreeLibros.org V2 V2 CAPÍTULO DOCE REGRESIÓN Y CORRELACIÓN =$' [+ w+ ' de X en función de Y (2) 6 2 = 2 ' 617 $ 1.536 − 4,25 ( 260) − 0,62 (432) = 3,26 50 2 (3) 6 = 3,68 − 0,632 = 3,68 − 0,40 = 3,28 1,01 $ @ 2 ' $ 6 N =+ =$' &' = 6 /' ' $ ' 2 6 2 = 3,26 = 1,81 6 2 ' % Q }z z~ X̂ cuando ` ;ˆ = E ( \ − \ ) + [ ;ˆ = 0,62 ( 4 − 1,54 ) + 5,2 = 0,62 ( 2 ,46 ) + 5,2 = 1.53 + 5,2 = 6, 73 ( 4 − 1,54 ) 2 = 6, 73 ± 0 , 8 3 = (260) 2 1.536 − 50 $ ' = 1 + 50 ;ˆ = 6, 73 ± 2 (1,81) P (2) U = 6 6 (1) U = E E ⎧ 7,56 ⎨ 5, ⎩ 5,900 =$' 6 2 (3) U = 1 − 6 2 = 1− 6 2 6 2 =$' w+ @ =$' [+ / 9 = U = 1− 3,28 = 1 − 0,89 = 0,33 3,68 6 b c 63 ' % = b + c ' 9 % X̂ = b + c ' ' ' 9 9 (1) Σ \ Q = E Σ [ Q + F Σ Q (1) Σ [ Q = E Σ \ Q + F Σ Q (2) Σ [ \ Q = E Σ [ 2 Q + F Σ [ Q (2) Σ [ \ Q = E Σ \ 2 Q + F Σ \ Q 6 b c V+ [\X = ||b + zX c Anulamos a c ' '$ ] V z` www.FreeLibros.org [+ `w[ = V\}b + ||c 618 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO 432,0 = 169,00E + 77F − 400,4 = 118,58 E − 77F 31,6 = 50,42 E 0 (1) 260 = 77 (0,63) + 50F 31,6 ⇒ E = 50,42 = 0,63 4 2 ⇒ F = '$ 260 − 48,51 = 4,23 / 50 USO DE LA CALCULADORA ' ' 2 ' ' &' ' ' ! ' R, o RE 6 &' regresión inea a n i i 6 9 Y 2 , 0 ; 3 ' 2 2 , 2 ; 5 4 , 0 ; 4 0 ; 3 DT ' Y2 3 &' i / ' , ' ni o fi Ejemplo 3. ! ' 6$ V[XX 3 &' Y / 2 zX 3 62 Y6 '3 N 9 i i 6 V[ z @' 3 i ni i [} 35 [} w{ `X 23 34 [\ wX 35 i 6 i i ni i 2 ni i 2 i ni ni i i ni i \ V` [X { 2 V|` `}X z{X wX` {X Vw{ `|\ z[X [`X |X zX`\ V|VzX V\{[X VVzz[ w[XX wV|` V\V{` Vwz[X |[XX [`zX `XX[ V\\\X VzX{X }V[X [{XX [z {\ wX }z [z {\ ww zX wz [X zX V\[{ V``` zw|\{ `[z[{ `|\\[ – 2 2 fi @' i fi ' f i i b+ i fi i $ c+ ' (1) Σ \ [ = E Σ [ Q + QF (1) 1.444 = 1.628 E + 50F (2) Σ [ \ Q = E Σ [ 2 Q + F Σ [ Q (2) 47.662 = 53.768E + 1.628F ' '$ V+ w[ z\ '$ [+ (1) 47.662 = 53.768E + 1.628F (2) − 47.016,64 = − 53.007,68E - 1.628F 645,36 = 760,32E 4 2 b '$ V+ ⇒ E= fi i i fi – ( ) 645,36 = 0,8488 ≅ 0,85 760,32 www.FreeLibros.org (1) 1,444 = 1.628 (0,8488) + 50F ⇒ F = 1.444 − 1.628 (0,8488) = 1,243 50 CAPÍTULO DOCE REGRESIÓN Y CORRELACIÓN 6 Y'6 ' _ Σ\ Q Q \= 6 = 2 6 \ = 1.444 = 28,88 50 [= Σ \ 2 Q − Q\ 2 Q 6 Σ[ Q Q 2 = 6 + $ 619 =$- 1.628 = 32,56 [ = 50 42.528 − 50 (28,88)2 = 16,51 50 (Corregida V 2 = 16,84 ) 6 2 = Σ [ 2 Q − Q[ 2 Q 6 2 = 53.768 − 50 (32,56) 2 = 15,21 50 (Corregida 6 2 = 15,52 ) = 47.662 –= 28,88(32,56) − 28,88 (32,56 = 12,91 =)12,91 50 Q Σ [ \ Q − ( Σ [ Q ) (Σ \ Q ) Q Σ [ 2 Q − (Σ [ Q ) 2 E= 50 (47.662) − 1.628 (1.444) = 0,85 50 (53.768) − (1.628) 2 Σ[ \ Q − Q[ \ Σ [ 2 Q − Q[ 2 E= 47.662 − 50 (32,56) (28,88) = 0,85 53.768 − 50 (32,56) 2 E= 12,91 = 0,85 15,21 = E= E= E= Σ[ \ Q −[\ Q P P P V 2 F = \ − E[ F= * F = 28,88 − 0,85 (32,56) = 1,21 Σ \ Q − EΣ [ Q Q = X {z +V [V F= [z &' = X {z = X {z [z+ + V [V = [[ `\ $ N = &' ' Y Y 63 ' arian a residua 1.444 − 0,85 (1.628) = 1,21 50 ' 9 w[ z\+ + [{ {{ = X {z [z w[ z\+ + [{ {{ = [[ `\ ' 6 6 / ' &' Y =$' 9 www.FreeLibros.org 620 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO Σ ( \ − <ˆ ) 2 Q Q 6 2 = 6 2 = 6 2 (1 − 5 2 ) 6 2 = 6 2 = 62 − 277,50 = 5,55 50 6 2 = 6 2 = 16,51 (1 − 0,66) = 5,61 Σ \2 Q − F Σ \ Q − E Σ \ [ Q Q P2 6 6 2 2 = 16,51 − 6 ' 52 = P2 2 6 52 = 52 = 52 = 1 − 2 [Q (Σ [ [Q Σ [ 2 2 = 16,51 − 2(0,85)(12,91) + 0,852(15,21) = 5,55 '9 6 = 62 \ Q − (Σ [ Q ) (Σ \ Q )] 2 ][ Q ) − (Σ [ Q ) 2 Q Σ \ 2 Q − (Σ \ Q ) 2 $ [50 (53.768) − (1.628) ][50 (42.528) − (1.444) ] <ˆ = \ˆ ± = 6 1+ Q &' 9 ] [50 (47.662) − 1.628 (1.444)]2 }z~ = 5,55 ≅ 2,36 5,55 = 0,66 16,51 2 N 6 12,912 = 0,66 (15,21) (16,51) 2 52 = 1 − 42.528 − 1,21(1.444) − 0,85 (47.662) = 5,36 50 ' &' 52 = 2 = 12,912 = 5,55 15,21 V 2 = V 2 − 2E P + E 2 6 2 El error estándar de estimación 2 = 0,66 5 = 0,66 = 0,81 2 2 , cuando Q [z ( [ − [ )2 (Σ [ Q ) 2 Σ [2Q − Q <ˆ = 22,46 ± 1,96 (2,12) 1 + 50 (25 − 32,56)2 23,74 = 22,46 ± 1,28 = ⎧⎨ (1.628) 2 ⎩ 21,18 53.768 − 50 www.FreeLibros.org * 6 Y $ &' ' CAPÍTULO DOCE REGRESIÓN Y CORRELACIÓN 621 EJERCICIOS PARA RESOLVER N en Línea SIL. 3 \V @ 9 * + 6+ + + ' ' ' Sistema de Información i 2 2 4 4 \ \ { { { i V 2 V 3 2 3 V 2 3 ni 3 2 5 3 5 5 V 3 3 + 6 9 X̂ cuando Q V` ! $ @' 2 ' / A3 2 }z~ $ 6 ' + \[ 2 ' + wX = SALARIO SEMANAL * + 6+ + + 6 V[X VXX {X \X 6 + GASTO SEMANAL 40 60 V 4 \ 2 2 V – – 35 – – 2 4 70 5 3 – – 9 ! $ ' = &' zXXXX A3 2 }z~ $ @' 2 / 3 2 &' &' / $ \w =6 ' AÑOS ANTIG EDAD 2 4 \ { wX 20 1-28 3 4 V - ' EDAD 28 1-36 2 5 3 V + ! ' 6 z 6+ ! $ ' Ç 9 36 1-44 V 3 5 2 Ç =6 www.FreeLibros.org \` N ' = 63 Y+ Ç X+ * $ ' ' wX &' =' 622 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO | 2 2 9 i 9 i ni9 { V 3 2 5 \ 3 \ 5 5 4 4 + ! ' =$ 63 ' Ç \ 6+ $ \z @ ' n Q zX @ =$ 2 i ni = V}|w\ , cuando \\ @ ' ' \| @ * ' 3 } | | 2 3 ' i ni = w|` i ni = {XX i i ni = }[{[ Q wX 3 $ 2 2 i ni = ``VX }z~ Pearson 9 i 9 3 5 VX V\ [\ i 9 V 2 4 { V[ ni9 3 | VX { 2 Q wX '9 + cuando Q V`J 6+ $ REGRESIÓN PARABÓLICA SIMPLE /$ $ &' regresión inea + ' &' ' ' J regresión parabó ica 6 ' ' 'Y = $ &' / = ' ' ' ='$ = Y / regresión parabó ica simp e ' &' = $ &' 6 ' diagrama de dispersión ' $ ' ' ' + $ 6$ '2 =' ' N '$ COSTO (miles mill. ) 23 w\ `{ 6$ =a PRODUCCIÓN (miles mill. ) 32 `{ z| *' ' calcularemos a, b c ' VX 6 = 6 ' =$' ' &' 6 2 ' $ 2 +b +c www.FreeLibros.org ontin a CAPÍTULO DOCE REGRESIÓN Y CORRELACIÓN 623 ontinuación z\ |X w{ wX [\ [X VX |X {\ `\ `X w\ 32 [\ i i 2 i i 23 w\ `{ z\ |X w{ wX [\ [X VX wz| N 3 i 4 2 i z[} V[}\ [wX` wVw\ `}XX V``` }XX \|\ `XX VXX V[V\| `\\z\ VVXz}[ V|z\V\ w`wXXX z`{|[ [|XXX V|z|\ {XXX VXXX Vz\{z |`\`|} i [|}{`V V\|}\V\ zwX{`V\ }{w``}\ [`XVXXXX [X{zVw\ {VXXXX `z\}|\ V\XXXX VXXXX ``\w``{V 2 i i i i i 32 `{ z| |X {\ `\ `X w\ 32 [\ VX[` [wX` w[`} `}XX |w}\ [VV\ V\XX V[}\ VX[` \|\ |w\ V|[{ [|w\ w}[X \X[X V|`{ V[XX }w\ \`X [\X V\[}{ \[[X{ VwVw[{ [V}z[X `[V`XX \\`[` w\XXX [`ww\ V[{XX [\XX `|w [zz{z V}}[` }}[}V` ' &' Y9 a, b, c 2 '$9 '- Ecuaciones normales (1) Σ \ = D Σ [ 2 + E Σ [ + QF (2) Σ [ \ = D Σ [3 + EΣ [ 2 + F Σ [ (3) Σ [ 2 \ = D Σ [ 4 + EΣ [3 + F Σ [ 2 4 2 9 473 = 15.685D + 357 E + (2) 19.924 = 746.479 D + 15.685 E + (1) (3) 992.914 = 44.634.481 D + 746.479 E 10F 357 F + 15.685 F @ 2 c 63 '$ V+ ]w z| ' [+ ( 2) 19.924 = 746.479 D + 15.685 E ' V+ [+ ' + 357 F (1) − 16.886,1 = − 559.954,5 D − 12.744,9E − 357 F ( 4) 3.037,9 = 186.524,5 D + 2.940,1E 0 $ 6' '$ `+ www.FreeLibros.org Y w+ ' V+ w+ ' Vz\{ z - 624 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO w+ }}[}V` Q ``\w``{Va |`\`|}b k Vz\{zc V+ ]|`V}XX z Q ][`\XV}[[ za - zz}}z` zb ] Vz\{zc z+ [zVXVw z Q [XXw[zz{ za V{\z[` zb X * 6' '$ z+ % b ' '$ `+ \w ``Vz`}\ '$ z+ (5) 251.013,50 = 20.032.558,50 D + 186.524,5 E (4) − 192.729, 08 = 11.833.403,32 D −186.524,5 E 58.284,42 = D= 8.199.155,18 D 0 58.284,42 = 0,0071 8.199.155,18 4 2 a = 0,0071 '$ `+ 3 b (4) 3.037,9 = 186.524,5 (0,0071) + 2.940,1E E= 3.037,9 − 186.524,5(0,0071) = 0,5828 2.940,1 4 2 b = 0,5828 a b '$ V+ 6 c (1) 473 = 15.685(0,0071) + 357 (0,5828) + 10 F F= 473 − 15.685(0,0071) − 357 (0,5828) = 15,3577 10 c = 15,3577 N '$ &' 9 <ˆ = D[ 2 + E[ + F ⇒ <ˆ = 0,0071 [ 2 + 0,5 8 2 8 [ + 15,3577 Y &' 9 '$ + ='$ = X XX|V [X2 + + X z{[{ [X+ + Vz wz|| = [} {\ Q [X ' estimador puntua 36 ' estimador por inter a os 3 ' ' 2 3 }z~ ' &' ' ' arian a residua ' des iación típica residua 9 Σ ( \ − <ˆ ) 2 \ =$' '2 ' Q &' '2 =$' &' 6 6 2 2 = = Σ \2 − F Σ \ − E Σ \ [ − D Σ \ [2 Q 2 Y 9 www.FreeLibros.org 6 2 = 25.585 − 15,3577 (473) − 0,5828 (19.924) − 0,0071(992.914) = 34,06 10 CAPÍTULO DOCE REGRESIÓN Y CORRELACIÓN 6 = 62 ⇒ 6 = 625 34,06 = 5,84 &' ' ' 2 }z~ ˆˆ ±± WW 66 ⇒ 31,76 ± 2,262 5,84 = 31,76 ± 4 ,V8 = ⎧⎨3z,94 << ⎩27,58 QQ 10 υ = Q − 1 = 10 − 1 = 9⎫ ⎬ W0,05 = 2,262 ∝ = 0,05⎭ * 6 6 / &'2 n &' J ' $ 6$ ' $9 95 ⇒ 5522 ==11−−95 ⇒ 5522 ==11−− 97 97 22 22 ⇒ 52 = 1− 34,06 321,21 ' 6 = 0,89 2 22 66 ==97 97 == 25.585 − 10 ⎛⎜ 473 ⎞⎟ 2 ⎝ 10 ⎠ = 321,21 ⇒ 6 = 10 ΣΣ\\ −− QQ\\ QQ 22 22 % UU == 55 == 5522 ⇒ U = 0,89 = 0,94 @ ' $ Ejemplo 1. &' 3 z 3 &' 2 &' 3 ' 3' 6$ ' 6 $ $ '6 ' '2 3 ' &' ' 6 = 3' &' = ' Y 9 6 V[\ ! ' 3' 6$ 2 3 i 4 i [} 35 [} w{ `X 23 34 [\ wX 35 {`V V[[z {`V V``` V\XX [`w{} `[{|z [`w{} z`{|[ \`XXX |X|[{V VzXX\[z |X|[{V [X{zVw\ [z\XXXX \\| VV}X |z` VV`X V`XX V}w`w `V\zX [V{\\ `ww[X z\XXX [` \z w[ XX [` \z 33,34 ww w\ V|V V`{ z}zV [VXz[z |z\Xw[w zVzV V{[V|} V`{ XX V+ [+ i i i i i Calculamos a, b c '2 i 2 i i ' V`{ = z}zVa + V|Vb + 5 c zVzV = [VXz[z a + z}zVb + V|Vc w+ V{[V|} = |z\Xw[w a + [VXz[z b + z}zVc www.FreeLibros.org Eliminamos a c 63 '$ [+ ' V+ [+ ' V+ ]w` [ 626 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO ( 2) 5.115,0 = 210.525,0 D + 5.951,0 E + 171F (1) − 5.061,6 = − 203.524,2 D − 5.848,2 E − 171F 89 , 4 = (4) 7 .000 ,8 D + 102 ,8 E Y ' V+ w+ c ' '$ V+ ]VV}X [ w+ (3) 182.179,0 = 7.560.323,0 D + 210.525,0 E + 5.951F (1) 176.149,6 = 7.082.880,2 D − 203.524,2 E − 5.951F (5) 6.029,4 = 477.442,8 D + 7.000,8 E Y ' '$ `+ |XXX { '$ z+ ]VX[ { b+ 6 a (4) 625.871,52 = 49.011.200,64 D + 719.682,24 E (5) − 619.822,32 = − 49.081.119,84 D − 719.682,24 E 6.049, 20 = − 69.919,20 D 0 6.049,2 = − 0,0865 D =− D = − 0,0865 69.919,2 4 2 '$ `+ ⇒ (4) 89,4 = 7.000,8 (−0,0865) + 102,8 E * 2 '$ V+ 6 c V+ V`{ = z}zV X X{\z+ + V|V\ |\+ + 5 c de donde c F = 148 + 514,765 − 1.155,96 = − 98,64 N '$ 6 Cuando Q [} Cuando Q wz @ b 89,4 + 605,57 E= = 6,76 102,8 ' 9 F = 98,64 9 X X{\z 2 + \ |\ }{ \` '$ &' = [` \z &' = wV }}| ' er tab a No 12 + ' 6 Y ' 6 V[| V[\ ! ' 3' 6$ i i i )i i )i+2 i [} 35 [} w{ `X 23 34 [\ wX 35 [` \z w[ XX [` \z 33,34 ww w\ ]V \z [ XX V wz -3,34 V \` [ |[[z ` XXXX V {[[z VV Vzz\ [ \{}\ z[} VVz\ \|\ }XX V[[z V|V V`{ V`{ XX X [[ w}X[ ``{\ i 2 www.FreeLibros.org CAPÍTULO DOCE REGRESIÓN Y CORRELACIÓN 627 Varian a residual o no explicada 2 9 ' / ' '2 6 2 = Σ ( \ − <ˆ ) 2 Q 6 2 = 22,3902 = 4,48 5 6 2 = Σ ( \ − <ˆ ) 2 Q−2 6 2 = 22,3902 = 7,46 (Corregida) 3 6 ' ' = $ 6 4 2 2 = $ ' =$'9 Σ \ 2 − F Σ \ − E Σ \ [ − DΣ \ [ 2 Q &' 9 4.486 − (−98,64) (148) − 6,76 (5.151) − (−0,0865) (182.179) 5 22,4435 = = 4,49 5 = 2 2 6 ó 2 = 22,4435 22,4435 = = 7,48 (corregida) Q− 2 3 Error estándar de estimación ¤ $ &' 2 ' 2 ' 6 = 4,49 = 2,12 para Q=5 6 = 7,48 = 2,73 para Q− 2 ' $ 6 Ǔ @' &' 9 <ˆ ± W −2 6 ' 6 1+ 1 + Q ' ( [ − [ )2 ' Q [} (Σ [ ) 2 2 Σ[ − Q 6 &' 9 ⎧35,15 1 (29 − 34,2) 2 <ˆ = 24,65 ± 3,182 (2,73) 1 + + = 24,65 ± 10,5 = ⎨ 2 5 (171) ⎩14,15 5.951 − 5 www.FreeLibros.org @' 3 2 9 628 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO ⎧30,56 ⎨ ⎩18,74 1 (29 − 34,2) 2 + <ˆ = 24,65 ± 3,182 (2,73) = 24,65 ± 5,91 = 5 (171) 2 5.951 − 5 N =$' &' $ <ˆ ± W −2 1+ Q 6 ( [ − [ )2 (Σ[ ) 2 Σ[ 2 − Q % "2) = ' ' 9 95 5522 ==11−−95 97 97 62 = ⇒ 52 = 1 − $ 6$ $ 4,49 = 1 − 0,17 = 0,83 26,3 Σ ( \ − \ ) 2 105,2 = = 26,3 4 Q −1 rQ $ 6$ r = 0,83 = 0,91 _ Y $ 63 $ %6$ + '2 6 &' ' 3 X̂ , sin necesidad de in ertir e orden de as ariab es &' $ Y ' 6 &' Regresión parabólica simple (empleando otra simbología) $ 63 ' ' $ &' b c ¡ $ [ V b c $ V [ % $ 6$ ' $ 9 a ,b c $ 6$ [ V N ' $ 6$ 9 <ˆ = D [ 2 + E [ + F * ' '$ + $ 6$ [ V (1) Σ\ = D Σ [ 2 + E Σ [ + QF (2) Σ\ [ = D Σ [3 + E Σ [2 + F Σ[ (3) Σ \ [ 2 = D Σ [ 4 + E Σ [ 3 + F Σ[ 2 $ 6$ V [ '$ 9 ;ˆ = D \ 2 + E \ + F www.FreeLibros.org N ' (1) Σ [ 6 9 a = D Σ \ 2 + E Σ \ + QF b c CAPÍTULO DOCE REGRESIÓN Y CORRELACIÓN 629 (2) Σ [ \ = D Σ \ 3 + E Σ \ 2 + F Σ\ (3) Σ [ \ 2 = D Σ \ 4 + E Σ \ 3 + F Σ\ 2 @ ' 3 &' ' [ 6 V[{ V[\ ! ' i 3 i i 4 i i i i 2 i 2 i 2 \ { VX V` V 3 4 \ \ V } V\ w\ w\ V [| \` [V\ [V\ V {V [z\ V[}\ V[}\ 2 V{ 32 \X {` 2 54 V[{ w\X zX` 4 w\ \` VXX V}\ `X [X }{ 524 [}wX V}\ VX`{ `XX @' 6 =$ (1) 40 = 98 D + 20 E + 5 F ( 2) 196 = 524 D + 98 E + 20 F (3) 1.048 = 2.930 D + 524 E + 98 F 63 '$ [+ ( 2) 196 = 524 D + (1) − 160 = − 392 D ( 4) 36 = 132 D V 3' 6$ 2 i $ 6$ ' 6 9 ' ]` 98 E + 20 F - 80 E - 20 F + 18 E 0 N' 63 '$ ' ]V} \+ '$ (3) 1.048 = + 524 E + 98 F (1) − 784 = −1.920,8 D − 392 E − 98 F (5) 264 = Y (5) 4.752 = 2.930 D 1.009,2 D + 132 E `+ z+ ' `+ Vw[ z+ V{ 18.165 \ D + 2.376 E (4) − 4.752 = − 17.424 D 0= ' 0 − 2.376 E 741,6 D D 0 =0 ' 6 &' 3' ' $ ' 6 @ '$ `+ b www.FreeLibros.org (4) 36 = 132(0) + 18 E Y ⇒ 36 = 18 E '$ V+ ⇒ E = 36 = 2 18 E =2 630 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO (1) 40 = 98 (0) + 20(2) + 5F N ecuación genera X̂ = a Cuando = `X 2 i El cálculo de la arian a residua 6 2 = Σ( \ − <ˆ ) 2 Q 6 ' +b ' {X X̂ 6 2 = 40 − 40 =F 5 ⇒ + c X̂ = X+ & =0 2 i +2 i +X X̂ = X+ V\X+ + [`X+ + X = {X ' 6 $ ' =$' 9 Σ( [ − ;ˆ ) 2 Q = ' ' = Σ \ 2 − F Σ\ − E Σ [ \ − D Σ[ 2 \ Q 62 = Σ[ 2 − F Σ [ − E Σ [ \ − D Σ \ 2 [ Q 2 =0 @' 2 ' =$' 400 − (0) (40) − 2 (196) − (0) (1.048) 400 − 392 8 = = = 1,6 5 5 5 El # 6 ' =9 V2 = U = 1− * 9 6 2 6 2 U = 1− 2 = 6 2 6 2 U = 1− 1,6 = 16 2 Σ[ 2 − [ 2 = 400 − ⎛⎜ 40 ⎞⎟ = 16 Q 5 ⎝ 5 ⎠ 6 1 − 0,1 = 0,90 = 0,95 2 = 16 ⇒ 6 = 16 = 4 REGRESIÓN PARABÓLICA PONDERADA * =$' ' $ 6$ ' ' 2 ' ' '$ 9 * Σ\ Q ;ˆ = D \ 2 + E \ + F <ˆ = D [ 2 + E [ + F ' $ $ en función de = D Σ [ Q + E Σ [ Q + F ΣQ 2 www.FreeLibros.org Σ [ \ Q = D Σ [3 Q + E Σ [ 2 Q + F Σ [ Q Σ [ 2 \ Q = D Σ [ 4 Q + E Σ [3 Q + F Σ [ 2Q CAPÍTULO DOCE REGRESIÓN Y CORRELACIÓN N ' Σ[ Q $ X̂ en función de 631 9 = D Σ \2 Q + E Σ \ Q + F Σ Q Σ \ [ Q = D Σ \3 Q + E Σ \ 2 Q + F Σ \ Q Σ \ 2 [ Q = D Σ \ 4 Q + E Σ \ 3 Q + F Σ \ 2Q N 2 ' / 9 2 = Σ \ 2 Q − F Σ \ Q − E Σ [ \ Q − D Σ [2 \ Q Q 2 = Σ [2 Q − F Σ [ Q − E Σ [ \ Q − D Σ \2 [ Q Q $ ' 2 52 = 1 − Ejemplo 1. @ ' $ i ni i i 2 $ 2 = 1− 2 ni ' 9 i ' ni i $ 6$ i 2 ni i 2 i ni ni 2 2 4 \ \ \ | | V V 3 V 2 3 2 4 2 { 5 4 3 2 4 2 4 V\ [X 24 V{ V[ [{ V` 2 { Vz 4 \ \ { { 4 V\ \X 24 w\ w\ z\ z\ 2 { 45 4 V[ V{ V\ 32 { 32 {X V`` VX{ |[ V}\ }{ – – wX Vw\ z| [{{ Vw| |w{ 3 i ni 4 i ni 2 i i ni 3 i ni 4 i ni 2 i i ni V\ \` w[X {\` \`{ 432 Vw|[ \{\ 32 V[{ V[{X zV{` w{{{ [z}[ }\X` `{X[ { 32 [`X V`` [V\ [V\ w}[ w}[ 2 { Vwz 4 24 54 32 V[{ 2 { `Xz 4 `{ V\[ \` zV[ 4 V\ V{X 24 |[ VX{ VV[ 224 ``X[ [|zVX V\`X w{| V[Xz |`X www.FreeLibros.org <ˆ = D [2 + E [ + F 632 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO 1) Σ \ Q = D Σ [2 Q + E Σ [ Q + Q F 2) Σ \ [ Q = D Σ [ 3 Q + E Σ [ 2 Q + F Σ [ Q 3) Σ \ [ 2 Q = D Σ [ 4 Q + E Σ [ 3 Q + F Σ [ 2 Q 4 2 &' 9 738D + 136E + 30F 1) 57 = 2) 288 = 4.402D + 738E + 136F 3) 1.640 = 27.510D + 4.402E + 738F ;ˆ = D \ 2 + E \ + F 1) Σ [ Q = D Σ \ 2 Q + E Σ \ Q + QF 2) Σ [ \ Q = D Σ \ 3 Q + E Σ \ 2 Q + F Σ \ Q 3) Σ [ \ 2 Q = D Σ \ 4 Q + E Σ \ 3 Q + F Σ \ 2 Q 4 2 1) 136 = 2) 288 = ' &' 137 D + 57E + 30F 387 D + 137E + 57F 3) 740 = 1.205D + 387E + 137F X̂ 6 9 Y a c 6 '$ Ŷ ' V+ [+ ' Vw\ wX c '$ [+ '$ V+ 8.640 = 132.060D + 22.140E + 4.080F 1) − 7.752 = −100.368D − 18.496E − 4.080F 2) 4) 888 = 31.692D + 3.644E Y ' ' '$ w+ 3) 1) 0 V+ w+ ' ' '$ V+ [` \ 1.640 X = 27.510,0D 4.402,0E 738 F = 1.402 [ −18.154,8D − 3.345,6 E − 738F 237,8 = 9.355,2D 1.056,4E 0 * 63 ' `+ z+ '$ `+ VXz\ ` '$ z+ w\`` 5) 866,543, 2 = 34.090.348,8 D + 3.849.521,6E 4) − 938.083,2 = − 33.479.428,8 D − 3.849.521,6 E = 0 a ' www.FreeLibros.org − 71.540 610.920 D D = − 0,12 CAPÍTULO DOCE REGRESIÓN Y CORRELACIÓN D = − 71.540 610.920 = −0,12 4 2 (4) 888 = 31.692 ( −0,12) + 3.644E Y 2 ⇒ 633 '$ `+ ' 6 &' 9 888 + 3.803,04 3.644 E = = 1 ,2 9 '$ V+ E = 1,29 (1) 57 = 738( −0,12) + 136(1,29) + 30F 57 = −88,56 + 175,44 + 30 F N '$ = X V[ 2 + V [} ' ' V2 = 57 + 88,56 − 175,44 = − 0,996 30 F = ⇒ F =− 0,996 X }}\ 2 ' 9 137 + 0,996(57) − 1,29(288) + 0,12(1.640) = 0,64 30 N des iación residua 9 S = 0,64 = 0,80 2 137 − 30 ⎛⎜ 57 ⎞⎟ ⎝ 30 ⎠ = 0,96 S 2= 30 N arian a de 9 $9 2 52 = 1− 2 =1− 0,80 = 0,17 0,96 * 3 3 6 '$ $ 6$ X̂ en función de , ' $ $ 6 &' ' $ $ X̂ en función de 6 ' 6 ' $ en función de EJERCICIOS PARA RESOLVER N en Línea SIL. 3 6 ' ' Sistema de Información \{ @ ' =$9 Σ[ = 174 Σ [ 3 = 16.110 Σ\ = 340 Σ [ 4 = 167.130 Σ [ 2 = 1.626 Σ [ \ = 3.062 Σ [ 2 \ = 29.418 Σ \ 2 = 5.904 Q = 20 www.FreeLibros.org * 9 + cuando Q VX $ 6$ 6+ ! $ 6$ 634 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO \} =6 &' 6 Y ' $ 6$ ' 63 + + 63 ¤+ % ' ' VX 63 ' =$9 i 9 [{ 32 `\ 24 [{ w\ 42 w| zV 42 i 9 5 { 4 | VX 4 3 4 3 4 + ' &' 6+ @' + A3 \ $ 6$ 2 }z~ |X ' ' 6 '6 &' ' 3' 6$ &' 6 ' Y' + ' 3 &' 6 ¤+ * VX Y' = 3 i 9 V[ [X V[ [X `X V[ [X `X V[ [X i 9 { V[ 5 VX V` { VV V\ \ 5 + = ' $ 6+ @' ' Y' &' Vw 3 $ 6$ REGRESIÓN Y CORRELACIÓN EXPONENCIAL Y LOGARÍTMICA SIMPLE @' 6 ' ' aritmético, a regresión inea ' Y ' 6 regresión e ponencia N función e ponencia *# 6 ' ' ='$ ' 63 VX ' ' ='$ = c + + b % $ 6 '2 pape semi ogarítmico ' 6 X, loca2 3 Y2 6 = $ &' '6 6 Y / = * 6 6 $ Y pape ogarítmico _ ' $ 6 9 Regresión e ponencia , en un ejer- www.FreeLibros.org CAPÍTULO DOCE REGRESIÓN Y CORRELACIÓN 6 V[} V[\ ! ' 3' 3' 6$ / i i+2 i i X `||V[ X }z`[` X [[|\` X \X|\{ ` Xz V\ X ||{Vz w VV[\V X \Xzz[ X {`X\w \ }w V[ 25 V X|}V{ z w}z}V V V\`\w X }z|VX } X\ | 24 `} V w{X[V } \\V`| V }X`}{ V V}XXz Vz zX V[ 45 V[` V \zw[V V} {w{zz [ |wwV[ V ||[`V z} [V wX }X [w{ z w\|{| w{ }\[|{ \ \wz{{ z w\|{| }` |z 2 i i 2 3 4 4 \ 5 Tabla 10.9 i ! ' 9 N ' V+ [+ i 3' i i / 6 6 &' i i 635 i = i 9 = n c + i + b i = i + c + 4 2 2 i + b &' 9 V+ z w\|{| = z c + wX b [+ w{ }\[|{ = wX c + [w{ b '$ 9 log c ' '$ ]\ ' ( 2) 38,96278 = 30 log F + 238 log E (1) − 32,2072 2 = − 30 log F − 180 log E 6,75556 = 0 Y 2 ⇒ log E = 58 log E '$ (1) 5,36787= 5 log F + 30 (0,11647) ⇒ log F = 4 2 Y &' 9 5,36787− 30 (0,11647) = 0,37475 5 '$ &' 9 6,75556 = 0,11647 58 cuando Q VX = X w|`|z + VX+ X VV\`|+ = V zw}`| i = X w|`|z + X VV\`|+ &' 9 Y 6 &' 9 www.FreeLibros.org = de V zw}`z = w` \w = w` \w 636 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO Cálculo de b y c directamente * 6 og b og c =$' &' ' 9 log E = Q Σ[ log \ − (Σ [ ) (Σ log \ ) Q Σ[ 2 − (Σ[ ) 2 log E = 5 (38,96278) − 30 (5,36787) = 0,11647 5 (238) − (30) 2 log E = Σ[ log \ − Q ( [ ) ( log \ ) Σ[ 2 − Q [ 2 log E = 38,96278 − 5 (6) (1,07357) = 0,11647 238 − 5(6) 2 log F = Σ log \ − log E (Σ [ ) Q log F = 5,36788 − (0,11647) (30) = 0,37475 5 log F = log \ − log E ( [ ) N log F = 1,07357 − (0,11647) (6) = 0,37475 9 i log \ = Σ log \ Q log \ = 5,36787 = 1,07357 5 % ' Y6 &' = ' = =$' &' ' ' '2 ' b Q b Q X VV\`| b = V wX|z{ b Varian a residual y error estándar de estimación @ =$' &' 9 V 2 log = Σ (log \ − log <ˆ ) 2 Q ⇒ '2 = ' / 6 2 log = N 2 ' ' 6 V[VX V[\ ! ' i 0,0874684 = 0,01749368 5 ' 3' 6$ ] / i i ¡ i i ¡ i +2 X `||V[ X \X|\{ ]X VwXz\ X XV|X`z} X ||{Vz X {`X\w ]X X\[`{ X XXw}Xw{ V X|}V{ X }z|VX X V[[X{ X XV\V`}w V w{X[V V V}XXz X V}XV\ X Xw\V\X{ V \zw[V V ||[`V ]X VV}[X X XV`[X{\ z w\|{| z w\|{| X X X{|`\{` www.FreeLibros.org CAPÍTULO DOCE REGRESIÓN Y CORRELACIÓN %' 6 &' i i Además i i 6 ' 6 2 6 2 6 ' &' = &' 9 i ' i X ' 2 ' ' =$' 9 * S 2 = X V|`\VV X }XV[+ = X XV|[zV log 2 = 6 log (1 − 5 2 ) log = Σ (log \ ) 2 − log F (Σ log \ ) − log E (Σ [ log \ ) 2 Q = 6,63588 − (0,37473) (5,36787) − 0,11647 (38,96278) = 0,017277 5 2 log &' 2 2 6 log = 637 Σ (log \ ) 2 − Q log \ 2 Q 6 &' 9 6 9 2 = ⇒ 6log 6,63588 − 5 (1,07357)2 = 0,17462 5 % * ' 6 = =$' 2 52 = 1 − log 2 log 52 = 1 − * @ 9 0,017251 = 0,9012 0,17461 $ r= 0,9012 = X }`}w X }z 6 6 ' =$'9 U= U= [Q Σ [ Q Σ [ log \ − (Σ [ ) (Σ log \ ) 2 ][ − (Σ [ ) 2 Q Σ (log \ ) 2 − (Σ log \ ) 2 ] 5 (38,96278) − (30) (5,36787) [5 (238) − (30) ][5 (6,63588) − (5,36787) ] 2 = 0,9493 = 0,95 2 5 = 0,9012 2 ' ' corre ación de Pearson '&' 3' + REGRESIÓN Y CORRELACIÓN MÚLTIPLE @' 63 6 $ 6 6 regresión m tip e $ &' ' Y6 6 ' ' + www.FreeLibros.org En estadística /$ $ 63 6 2$ &' 63 638 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO &' 6 $ 6 3 ' &' &' $ *%** *% ** Z@4* &' ' ' apuntes N / $ '$9 ='$ '2 $ ' - <ˆ = D + E1 ; 1 + E2 ; 2 + E3 ; 3 ... ( 2 ) <ˆ = β 0 + β1 ; 1 + β 2 ; 2 + β 3 ; 3 ... (1) (3) ;ˆ 1 = E1.23 + E12 .3 [ 2 + E13 .2 [3 ... w+ 6 &' '2 ' bl b2 b3 ó V 2 3 o b[w bw[ se les denomina b , , b kÈ]+ &' ' ' 6 ó X̂ V, ' 6 X ' ' ' J ' $ &' 6 '$ 2 N miden las 6 6 Ejemplo 1 _ $ '2 '$ 3 ' ' $ 6 V[ VV ! ' $ i i 2 i i 2 i V 2 V 2 2 2 i 2 i 2 3 5 } VV 3 5 { VX V` 5 { V[ Vz [X \ Vz `X }X Vz` } 25 \` VXX V}\ Vz `X }\ VzX [{X VX 24 \X Vwz [[X 25 \` V`` 225 `XX V [| 3,54 \ XX { [| VX }[ 4 } 25 {V V[V 30 `X \X wXz w}` z{V ``} {z{ wX XX [`X <ˆ = D + E1 [1 + E2 [2 (1) Σ \ = Q D + E1 Σ [1 + E2 Σ [2 30 = 5D + 40E1 + 60 E2 (2) Σ \ [1 = D Σ [1 + E1 Σ [12 + E2 Σ [1 [2 305 = 40 D + 394E + 581 E2 (3) Σ \ [2 = D Σ [2 + E1 Σ [1 [2 + E2Σ [22 449 = 60 D + 581 E + 858 E2 ' '$ [+ ]{ ( 2) 305 = 40 D + 394 E1 + 581E2 V+ www.FreeLibros.org (1) − 240 = − 40 D − 320 E1 − 480 E2 ( 4) 65 = 0 + 74 E1 + 101 E2 % ' ]V[ '$ V+ '$ w+ CAPÍTULO DOCE REGRESIÓN Y CORRELACIÓN (3) 449 = 60 D + 581 E1 + 858 E2 @ ' (1) − 360 = − 60 D − 480 E1 − 720 E2 89 = (5) 6.586 = 7.474 E1 + 10.212 E2 0 21 = ⇒ 11E2 0 '$ `+ E2 = 21 = 1,909 11 &' 9 (4) 65 = 74 E1 + 101(1,909) ⇒ E1 = 65 − 1,909 (101) = −1,727 74 Conociendo bV V |[| b2 = V }X} 2 wX = 5a k `X V |[|+ + \X V }X}+ $ 9 V = bV = V |[| N '$ &' 9 w X}[ V |[| V $ 9 S6 9 6 2. . 1 2 1 2 = Σ ( \ − <ˆ ) 2 6 2. Q . 1 ⇒ 5 = 1− 2 N <ˆ ± W 6 . 6 2 . 6 1 2 2 1 Q 2 2 &' 1 2 = 0,418 = X \z corre ación m tip e de =$'9 5 2 = b2 = V }X} a = w X}[ + V }X} * 6s a V = VX 2 = Vz w X}[ V |[| VX+ + V }X} Vz+ = { [|w N 2 ' '$ V+ − 15, 46 = − 3,092 5 30 = 5D − 69,08 + 114,54 ⇒ D = ' bV * Y ' '$ z+ |`+ ¤ ' ' `+ ]VXV+ ( 4) − 6.565 = − 7.474 E1 − 10.201 E2 4 2 `+ z+ + 101E1 + 138 E2 (5) N 639 2 ⇒ 5 = 1− en función de 0,42 = 0,98 12 l 2 6 = 5 2 = 0,965 ≅ 0,97 9 ⎡ 0,65 ⎤ ⎧9,47 ⇒ 8,273 ± 4,303 ⎢ ⎥ ⇒ 8,273 ± 1,25 = ⎨⎩7,02 ⎣ 5 ⎦ www.FreeLibros.org ' 63 = n V = 5 V = ` t = ` wXw ' $ z~ 6 9 = n 3 = 5 3 = 2, 640 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO CÁLCULO DE ESTIMATIVOS APLICANDO OTRA SIMBOLOGÍA _ ' 63 ' 6 &' 9 q (1) < ;1 ;2 ( 2) ; 1 < ;2 $ Yi (3) ; 1 6 ; 2 <1 ='$ 6 '2 '$ ' $ Y 6 regresión corre ación m tip e $ '$ = = Y X3 _ ' 63 6 '$ w+ n $ N 6 62 V 2 3 b , b , b &' 6 ' V V[w V[w Vw[ 6 % X̂2 9 b[Vw b[Vw b[w V X̂3 son bwV[ bwV[ bw[V V Q % 6 2 Q * ' 6 de bV[w= ! 3 '+ bVw[ = ! '+ de bV[w= ! 3 Q 6 '+ 6 V 6 V 6 3 ='$ 2 2 ' 6 N '$ ;ˆ 1 = E1.23 + E12.3 [2 + E13.2 [3 se denomina ecuación de regresión inea de X̂V 6 N 3 ' X̂ 2 X̂2 X̂3 9 ;ˆ 2 = E2.13 + E21.3 [1 + E23.1 [3 ;ˆ 3 = E3.12 + E31.2 [1 + E32.1 [2 % 6 Y ˆ ; 1 = E1.23 + E12.3 [2 + E13.2 [3 D ) Σ [1 = Q E1.23 + E12.3 Σ [2 E) Σ [1 [2 = E1.23 Σ [2 + E12.3 Σ [22 ' '- + E13.2 Σ [3 + E13.2 Σ [3 [2 F) Σ [1 [3 = E1.23 Σ [3 + E12.3 Σ [2 [3 + E13.2 Σ [32 % $ X̂2 en función de l N ' Y 9 D ) Σ[2 = Q E2.13 + E 21.3 Σ[1 + E23.1 Σ[3 3 &' 9 ;ˆ 2 = E2.13 + E21.3 [1 + E23.1 [3 www.FreeLibros.org E) Σ[2 [1 = E2.13 Σ[1 + E 21.3 Σ[12 + E23.1 Σ[3 [1 F) Σ[2 [3 = E2.13 Σ[3 + E 21.3 Σ[1 [3 + E23.1 Σ[32 CAPÍTULO DOCE REGRESIÓN Y CORRELACIÓN $ N ' X̂3 en función de l Y D ) Σ [3 = Q E3.12 + E31.2 Σ [1 E) Σ [3 [1 = E3.12 Σ [1 + E31.2 Σ [12 2 641 9 ;ˆ 3 = E3.12 + E31.2 [1 + E32.1 [2 9 + E32.1 Σ [2 + E32.1 Σ [2 [1 F) Σ [3 [2 = E3.12 Σ [2 + E31.2 Σ [1 [2 + E32.1 Σ [22 * ' 6 ' [1 = ; E1.23 E2.13 E3.12 → SRU D [2 = < E12.3 E21.3 E31.2 → SRU E [2 = < E13.2 E23.1 E32.1 → % ' ' 3 9 ' =9 SRU F $ 6 ' D ) 30 = 5E1.23 + 40 E12.3 + 60E13.2 E) 305 = 40E1.23 + 394 E12.3 + 581E13.2 F) 449 = 60E1.23 + 581E12.3 + 858E13.2 ' '$ a+ ]{ b+ E) 305 = 40E1.23 + 394 E12.3 + 581E13.2 D ) − 240 = − 40E1.23 − 320 E12.3 − 480E13.2 G) 65 = 0 + 74E12.3 + 101E13.2 ' ]V[ '$ a+ c+ F) 449 = 60E1.23 + 581E12.3 + 858E13.2 D ) − 360 = − 60E1.23 − 480 E12.3 − 720E13.2 H) 89 = 0 + 101E12.3 + 138E13.2 Con las ecuaciones d+ e+ b[w bw[ 6.586 = 7.474 E1.23 + 10.212 E13.2 (multiplicamos por 101) − 6.565 = − 7.474 E1.23 + 10.201E13.2 (multiplicamos por -79) 21 = 4 2 0 E13.2 = 21 = 1,909 11 '$ + &' 9 11E13.2 ⇒ 65 = 74 E12.3 + 101 (1,909) 127,81 65 = 74E12.3 + 192,809 ⇒ − 127,809 = 74 E12.3 ⇒ E12.3 = − = −1,727 74 Teniendo bw[ Q V }X} b[w Q V |[| 2 '$ +9 wX = 5 bV[w + `X V |[|+ + \X V }X}+ 15,43 30 = 5E1.23 − 69,8 +114,54 ⇒ 99,08 −114,54 = 5E1.23 ⇒ E1.23 = − = −3,092 5 www.FreeLibros.org 642 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO N ecuación genera &' 9 * X̂V w X}[ V |[| 6 2 = VX 3 2 + V }X} = Vz 3 &' 9 X̂V w X}[ V |[| VX+ + V }X} Vz+ = { [|w N des iación típica residua de X̂V 6 61.23 =+ ( Σ [1 − ;ˆ 1 Q ) 2 2 2,09 = 0,418 = 0,65 5 61.23 = SV2[w = X \z2 = X `[ 2 '+ + de X̂V 6 El 51.23 = 1 − 51.23 = 1 − ' =$'9 3 2 1.23 2 1 2 1 ([ − = ∑ 1 Q 2 [1 )2 2+ 3 6 9 2 61 = 60 = 12 5 0,42 = 1 − 0,035 = 0,965 = 0,98 12 OTRO PROCEDIMIENTO APLICANDO EL MÉTODO DE JORDAN - GAUSS '$ a b c ' ' 5X1 + 40X2 + 60X3 40X1 + 394X2 + 581X3 60X1 + 581X2 + 858X3 '2 8 ; 2 + 12 ; 3 6 0 + 74 ; 2 + 101 ; 3 65 F1 = F − 60D1 0 + 101 ; 2 + 138 ; 3 89 D2 = D1 − 8E2 E2 = E1 / 74 ; 1 + 0 + 1,0808 ; 3 0 ; 2 + 1,3649 ; 3 0 0 + 0,1451 ; 3 -1.0272 0,8784 F2 = F1 − 101E2 D3 = D 2 − 1,0808F3 E3 = E2 − 1,3649 F3 X1 0 0 X2 0 0 9 30 305 449 D1 = D 5 E1 = E − 40D1 ;1 + ] ' 0,2816 -3,1247 -1,7705 www.FreeLibros.org F3 = F2 0,1451 0 0 X3 1,9407 CAPÍTULO DOCE REGRESIÓN Y CORRELACIÓN 643 Procedimiento ! '$ a+ z ' las ecuaciones b c '$ X1 en ' '$ b1 |` ' X2 en las ecuaciones aV cV N' 63 '$ c3 ' 6 a la ecuación c2 X V`zV &' ' 2 X3 en las ecuaciones a2 b2 * &' XV = bV[w w V[zV X 2 = bV[w V ||Xz 9 X̂V w V[z V ||Xz 2 + V }`X| 3 *' &' 4 2 X̂V cuando 51.23 = 1 − 2 = =} X 3 = bVw[ = V }`X| 3 = V` &' 9 X̂V w V[zV V ||Xz }+ + V }`X| V`+ = { VV ' X̂ V X̂ 2 X̂ 3 m tip e arian a residua 9 61.23 2 2 1.23 2 1 52.13 = 1 − Σ ( [1 − ;ˆ 1 ) 2 Q 2 6 2.13 = 2 2.13 2 2 Σ ( [2 − ;ˆ 2 ) 2 Q ' Y 53.12 = 1 − 2 63.12 = 2 3.12 2 3 Σ ( [3 − ;ˆ 3 ) 2 Q * Y Y &' error estándar de estimación $ 6 2 ' 2 ' ' ' '2 rre ación parcia rV[ rVw r23 * 6 6 &' rV[ = r[V rVw= rwV r23= r32 * &' 9 1.23 2 2.13 = = 1 1 − U122 − U132 − U232 + 2U12 U13 U23 1 − U232 2 1 − U212 − U232 − U132 + 2U21 U23 U13 1 − U132 www.FreeLibros.org 2 3.12 = 3 1 − U312 − U322 − U122 + 2U31 U32 U12 1 − U122 644 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO N U21 = U12 = Q Σ [1 [2 − (Σ [1 )(Σ [2 ) [Q Σ [ − (Σ [1 ) 2 2 1 U21 = U12 = U31 = U13 = U32 = U23 = U32 = U23 = Y 2 2 2 = 0,975 [5 (240) − (30) ][5 (394) − (40) ] 2 [Q Σ [ 2 Q Σ [1 [3 − (Σ [1 ) (Σ [3 ) − (Σ [1 ) 2 ][Q Σ [ 2 3 2 = 0,978 [5 (240) − (30) ][5 (858) − (60) ] 2 = 3,46 61.23 2 = 7,14 6 2.13 = 3,85 6 2.13 2 = 0,40 63.12 = 5,25 2 = 0,66 U132 = 0,956 2 Q Σ [2 [3 − (Σ [2 )(Σ [3 ) − (Σ [2 ) 2 2 2 U122 = 0,95 ] − (Σ [3 ) 5 (449) − (30) (60) [Q Σ [ ] − (Σ [2 ) ][Q Σ [ 2 3 − (Σ [3 ) 2 5 (581) − (40) (60) [5 (394) − (40) ][5 (858) − (60) ] 2 ] = 0,999 U232 = 0,998 2 ' errores estándar o típico 61.23 63.12 ][Q Σ [ 5 (305) − (30) (40) 2 1 U31 = U13 = ' 9 9 1 − 0,95 − 0,956 − 0,998 + 2 (0,975) (0,978) (0,999) = 2,67 1 − 0,998 1 − 0,95 − 0,998 − 0,956 + 2 (0,975) (0,999) (0,978) = 0,63 1 − 0,956 1 − 0,956 − 0,998 − 0,95 + 2 (0,978) (0,999) (0,975) = 0,81 1 − 0,95 N des iaciones típicas 9 www.FreeLibros.org 61 = Σ [12 − Q [12 = Q 240 − 5 (6) 2 = 3,46 5 645 CAPÍTULO DOCE REGRESIÓN Y CORRELACIÓN $ 62 = Σ [22 − Q [22 = Q 394 − 5 (8) 2 = 3,85 5 63 = Σ [32 − Q [32 = Q 858 − 5 (12) 2 = 5,25 5 N =$' corre ación m tip e inea ' ' 6 51.23 = U122 + U132 − 2 U12 U13 U23 1 − U232 51.23 = 0,95 + 0,956 − 2(0,975) (0,978) (0,999) = 0,64 1 − 0,998 52.13 = U212 + U232 − 2 U21 U23 U13 1 − U132 52.13 = 0,95 + 0,998 − 2(0,975) (0,999) (0,978) = 0,99 1 − 0,956 53.12 = U312 + U322 − 2 U31 U32 U12 1 − U122 53.12 = 0,956 + 0,998 − 2(0,978) (0,999) (0,975) = 0,99 1 − 0,95 ' - 4 &' $ V ' 3 $ 6 / X &' Y $ 6 6 &' / ' $ ' @ 6 $ ' Rl,23 R2,l3 R3,l2 ' 6 3 &' 6 EJERCICIOS PARA RESOLVER N en Línea SIL. 3 6 ' ' Sistema de Información |V &' ' [`~ ' ' w`zXXXXXX ' $ www.FreeLibros.org N =$ 6 ' 2 6 9 $ 3 ' &' Y ' ' 6 Y 3' / ' 646 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO PARTICIPACIÓN EN EL MERCADO % DESCUENTO CONCEDIDO % UTILIDAD (en millones de ) 5 [X [|X } V{ [zX V[ V\ [{X { VX [\X V\ V` wVX V{ V\ wwX V} V\ wzX [X V| w[X V{ V| w\X [| [X wwX * 9 @' 6 ' ' $ ' $ ' &' [`~ &' ' wz~ |[ @ ' \ 9 Xl Q @ ' 6 ' X2 Q Z 6 X3 Q Z 6 ' N ( =$ Σ x1 = 308 ' Σ x1 x2 = 18.555 ) + Σ x1 x3 = 4.264 Σ x2 = 363 Σ [22 = 22.157 Σ [32 = 1.145 Σ x3 = 81 Σ x2 x3 = 4.994 Σ[12 = 16.152 n=6 a) Estimar el valor de ;ˆ 1 cuando x2 = 70 y x3 = 23 b) Estimar el valor para ;ˆ 2 cuando x1 = 48 y x 3 = 10 c) Determinar los coeficientes de correlación parciales. |w * 9 Σ x1 = 129 Σ x1 x2 = 1.996 Σ x1 x3 = 201,98 Σ x2 = 79 Σ [ = 1.279 Σ [32 = 14,1881 2 2 Σ x3 = 7,23 Xl = % Σ x3 x2 = 129,39 6 n=6 X2= @ ' * 6 / #$ {~ '$ X3 = / ' |` @ ' =$9 '$ #$ ~+ `X www.FreeLibros.org Σ x1 = 3.247,4 Σ x2 x1 = 98.060,1 Σ x2 = 604 Σ x3 = 95 Σ x3 x1 = 18.057,0 Σ [ = 30.308 2 2 n = 15 647 CAPÍTULO DOCE REGRESIÓN Y CORRELACIÓN Σ [32 = 725 Σ [12 = 939.175,68 Σ x2 x3 = 3.833 a) Establezca la ecuación de regresión para estimar ;ˆ 2 b) Obtener el valor estimado para ;ˆ 2 cuando x1 = 210 |z @ ' ' 2 / &' 3' $ ' ' ' wX = zX ' Z '9 _9 9 9 V Xz 43 V` 2 Xz w\ V\ 3 X} w} VX 4 V\ `V V[ 5 2,5 34 { Y _ ' ! $ |\ @ ' i 5 | VX V\ 22 x3 = 5 \ [{ `\ V[ | wX 35 \ `X { 3,2 32 \ } 3,3 `} 4 VV VX w| w{ V[ 9 i 2 4 | VX V[ 2 4 \ } V` V| * 9 + cuando l Q VV 2 Q V\ 6+ ! $ 6 en l 2 COEFICIENTE DE CORRELACIÓN POR RANGOS (VER CAP. 9 PG. 460) N corre ación por rangos '2 % * $ $ ' = ' 6' $ &' '$ %' '2 = $ ' 6 &' ' N =$' U = 1− 6ΣG 2 Q3 − Q Nota9 capítu o `\X Y = ' di Q n Q ' 6 no paramétrica, donde el alumno = i i &' ' ' 9 ' &' ' 6 &' ' 6 ' = &' ' ' $ www.FreeLibros.org 648 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO Ejemplo 1. *' &' ' =6 ' Vz 6 ' 63 * ' $ RANGO PARA EL TRABAJO I V 2 3 4 5 \ | { } VX VV V[ Vw V` Vz – TRABAJADOR A ^ C D E F H Z N M – U = 1− 6 (740) 153 − 15 RANGO PARA EL TRABAJO II Vz V` Vw 3 4 V[ V VV 2 | { 5 \ VX } – di ]V` ]V[ ]VX V V ]\ \ -3 | 3 3 | | 4 \ – V}\ V`` VXX V V w\ w\ } `} } } `} `} V\ w\ |`X U = 1 − 1,32 = − 0,32 * − 1 ≤ U ≤ 1 ' &' Y ' $ Ejemplo 2 @ ' ' ' * *!Z di Vw ' 9 V 2 3 4 5 \ | { } VX VV V[ Vw %4!Z ^ 9 \| \V }[ \V \| }[ |X \V \| |z |z }\ |z % Z@A*9 333 wXX [{\ [}X [{\ wXX w[\ w`{ w[\ wXX w{` wXX [{\ Solución: % 6 ' 6 $ No. 11 22 33 44 55 66 77 xi Rango RANGO xi yi Rango RANGO yi xi yi 6,16,1 6,16,1 6,16,1 6,76,7 6,76,7 6,76,7 7,07,0 2 2 2 5 5 5 7 286 286 286 290 300 300 300 2 2 2 4 6,5 6,5 6,5 6,7 6,1 9,2 6,1 6,7 9,2 7,0 333 300 286 290 286 300 326 ' + Rango Rango RANGO RANGO d = x - y i i i yi 5 2 11,5 2 5 11,5 7 xi 11 6,5 2 4 2 6,5 9,5 -6,0 -4,5 9,5 -2,0 3,0 5,0 -2,5 G2 36,00 20,25 90,25 4,00 9,00 25,00 6,25 www.FreeLibros.org ontin a 649 CAPÍTULO DOCE REGRESIÓN Y CORRELACIÓN ontinuación 8 9 10 11 12 13 7,5 7,5 7,5 9,2 9,6 9,6 9 9 9 11,5 11,5 13 300 326 326 333 348 384 6,5 9,5 9,5 11 12 13 6,1 6,7 7,5 7,5 9,6 7,5 348 326 300 384 300 286 Σ = ' U = 1− 6 G2 Q3 − Q U = 1− 2 5 9 9 13 9 12 9,5 6,5 13 6,5 2 -10,0 -4,5 2,5 -4,0 6,5 7,0 100,00 20,25 6,25 16,00 42,25 49,00 - - 0 424,50 ' ' ' 6 = - 6 (424,5) = − 0,166 132 − 13 Y $ ' Z@A* 6 6Y ' 6 EJERCICIOS PARA RESOLVER N en Línea SIL. 3 6 ' ' Sistema de Información || '$ $ &' / '3 ' ' 6 ' '$ ' 63 ' Vz ' =$ _!!4 V 2 3 4 5 \ | { } VX VV V[ Vw V` Vz % %4^ |[ {{ |X |[ {| |V {z {} }w }{ }w }\ {\ {[ {{ ! °_ZN* 34 42 32 44 [} 32 `V `\ zX zV 53 32 w} 43 w| www.FreeLibros.org @' $ * '3 ' 6 '$ $ 650 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO |{ % $ ' ' ' V[ $ ' &' 'J ' $ ' = ' '2 ' [X ' 6 ' V[ 4!Z@ZN9 _9 \ VX VX Vw @' |} N ' ' 9 V` V{ $ V| V[ \ } VV V[ V` V{ VX V| V| VX VV V{ Vw [X * DROGUERÍA \ { $ ' ' $ ' ' &' N ' ' COSTOS V 2 3 4 5 \ | { } VX VV V[ Vw V` V` ' VENTAS Vw V[ V\ Vz V` 22 23 V| 24 [X [V V{ Vz 22 [V V| 22 V\ V{ 35 34 [X wV 24 25 25 24 wV + @' $ Pearson por rangos de Spearman 6+ @ ' @' ' &' {X '6 V` = ' ' ' N 6 6 ' + 4@9 4 ! @NZ!!9 %4@Z %4!Z9 @' V VV 45 2 V \X 3 2 53 4 5 52 5 3,5 \X \ 3,5 \X | \ [X { } 52 } VX V[ Vw z |X \{ $ VV } |X V[ | 52 Vw Vw z \{ V` } 45 $ {V *' &' 6 6 ' 63 / ' ' ' @NZAZ@@Z° *9 \z {X |\ |z {X |{ {w {` {z }X \z {w |\ |\ {w \z Z!!* %4!@Z!*9 wX 25 35 `X w{ 42 `{ zX 55 45 25 35 w{ 35 25 42 www.FreeLibros.org CAPÍTULO DOCE REGRESIÓN Y CORRELACIÓN @' $ 4 ] Nota: ' 3 ' '$ 651 * ' 6 &' {[ 6 ' $ =$ '6 &' ' '$ ' 6 63 6 $ $+ = ' 9 * ! *4_Z@Z i 9 4 2 3 \ 5 V | *%*4 ! @*4* mm+ i 9 VX \ { Vz VV 5 V\ ! ' + @' 9 $ 6+ * &' ' '6 =' $ 2 [[ ' &' =' '6 ' {w /&' 6 9 + N = ' 6+ ' $ ' $ $ @' 6 2 ' 2 / + ' 2 / ' 2 {` =' ' &' &' 6 ' &' 66 Y ' Y 2 ' ' = Y6 63 ' 63 ' 2 ' $ ! ' Y 6 ' =$ ¤ Q '$ ' ' Q '$ ' VX 63 9 | 5 \ 4 VX { \ 5 VX \ { i 9 Vz | VX { [X V\ V[ { V\ { V` i + '$ ' ' ' 63 &' ' Y3 } ' 6+ A3 + Z 2 }z~ Y $ $ {z ' ' ' $ &' Y 6 6 ' $ 6 9 + + ' + N =$ ' ' Vz ' V 2 3 4 5 \ | { } VX VV V[ Vw V` Vz *N4Z9 %N!9 \V } |w \ \z { {\ w zX { 54,2 \\ [ |X { |} X 54,2 {\ w |w \ \` ` zV } z[ X Z% *4_Z@Z9 wwX z\} w|z VVw [Vz 343 252 [\z 352 {| [[X V\X 42 wX VwX `\ z} 52 `X `\ 54 w} `V `\ wX `{ 35 wX wX w\ www.FreeLibros.org !!9 652 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO V * + 6+ + ' $ 9 ' [XX ' ' w{ $ $ [ $ 9 + @' 6 ' 63 &' [\X zw 6+ Z $ bl b2+ 62 6 9 b[w bw[ + @' $ Rl2[w + ' ' + @' $ 3 + + 6 2 ' $ }z~ 2 + ' &' VX `| =+ @' $ r[w, r[w rw[ ' EJERCICIOS MISCELÁNEOS (CUBRE TODOS LOS TEMAS DEL CAPÍTULO) {\ &' ' X ' '9 $ + ' &' 6 $ 6 6+ ' 6 ' 2 + ' $ 6' + * ' ' $ + ' 6 ' '$ $ ^ + 6+ + $ ' = ' = 2 ' ' = ' $ + 2 ' ' = {| ' 6 &' ' ' 9 + _2 'J 6+ _2 / J + $ + @ $J + N 2 www.FreeLibros.org {{ ! + 4 $ + '6 ' 9 6+ @ $ + ' 653 CAPÍTULO DOCE REGRESIÓN Y CORRELACIÓN {} ! ' 9 = [ { + VX X̂= X w + [X @' $ ' ' $ }X N ' =$ 9 X Q &' Y Q ' 2 + 2 ' &' ' =' 9 i = V[J i = 24; i i = |{J i2 = 44 @'9 + 6+ = b c +c + Q\ }V ! ' 6 Q ' ' – = }w\X S 2 = |\}` r = X } n = [X i= V}` i2 = w[w[XX + ¤ Q $ b + 6+ @' ' ' }`XXXX + ' ' 9 V 6 9 + N + 6 6+ 6 + + ' [ @'&' $ 6 + ! ' ' 6+ @ ' &' = + * + ' }w @' $ + 6 6+ ' 6 / + N $ / 6 }` *' &' 2 ' ' [[XJ &' ' w{ ` N + @' + %' z~ Y2 9 6 Precio 9 zX ' / 6 $ wX 6 6 ' &' = 6 ¤ ' ' = ' 6+ ' 3 Cantidad solicitada }[ 6 $ $ Y / Y$ &' / $ ' $ www.FreeLibros.org }z ' $ X w\ 6 6 [X 6 $ 654 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO + Z ' &' / ' $ ' $ z~ ' 6 6 6+ @' $ $ &' &' / $ }\ * ' =$ 6 ' ' zX 6 xi: yi: nii: 2 5 18 6 13 12 9 20 8 14 25 6 @ =$ 16 35 4 6 6 Resultados de algunas operaciones 23 52 2 Σ [ Q = 374 Σ [ 2 Q = 4.410 Σ [ \ Q = 9.288 Σ \ Q = 800 Σ \ 2 Q = 19.736 Q = 50 cuando Q wX 3 2 }z~ }| &' ' '=' ' '$ / + '2 ' $ X ] [XJ ' ' 2 ' ' $ 2 X ] z ' 6 3' V` =' 29 %N!9 V 2 3 4 5 \ | { } VX VV V[ Vw V` _N@Z°9 V[ VX Vw { | VV VV V` V[ V` } VX VX Vw @%@Z@Z°9 w} 4,2 4,2 w{ w{ w{ 4,3 4,4 4,5 4,4 w} w| 4,3 w\ ! $ / '$ &' 6 $ @' $ * + }{ ' V{X ' ' 6 ' wXX ' % ' ' Vz ' 2 [X ' 9 +J 2 J Y' &' ' &' =$ &' '$ %*9 V 2 3 4 5 \ | { } VX VV V[ Vw V` Vz _ !Z4Z9 + V`\ V\[ V`{ V|[ V\z V`{ VzX V`X V|X V\[ V{` V|` V\z V|X V}X 4*29 |X {w \[ z\ {X |X \z |[ \w {X {[ \` |} }X {X · _Z@N*9 V[ V{ [X V\ Vz V[ [\ [X V{ 23 [\ [X wX 25 22 2 9 Σ [ = 2.446 Σ [2 = 1.096 Σ [3 = 303 Σ [ 2 = 401.778 Σ [22 = 81.408 Σ [32 = 6.507 Σ[ [2 = 179 .293 Σ[2 [3 = 22.406 Σ[1 [3 = 49.761 Q = 15 @ =$ 6 ' 9 www.FreeLibros.org + &' [z Y' V{X ' CAPÍTULO DOCE REGRESIÓN Y CORRELACIÓN 6+ @' 655 $ %Z_9 @ =$ 2 ' 6 6 ' [· 6 $ w· Síntesis de capítulo ' regresión corre ación * &' 6 ' 63 ' dos o más ariab es @ 6 ' mode o matemático &' 3' 6 ' ínea recta parabó ica e ponencia '&' 2 '$ ' ' 6 ='$ 6 corre ación &' 6 =' 2 $ $+ 6 N = '2 3 =$ 6 $ &' ' Y6 6 6 6$ ' # o diagrama de dispersión ' 63 6 = ' ! ' / ' $ , arian a residua , arian a e p icada, error estándar de estimación, obtención de estimati os A $ # $ $ www.FreeLibros.org www.FreeLibros.org CAPÍTULO UNO CONCEPTOS GENERALES 13 Algunos Métodos de Muestreo Lo que hay que averiguar no son las respuestas correctas sino las preguntas correctas. Peter Druc er 657 CONTENIDO Aplicaciones, términos, simbología, ' ' ' ' N 2 ' $ ' $ ' N 2 Muestreo Sistemático de Conglomerados, ^ / * 3 4 ' en el Sistema de Información en Línea SIL. COMPETENCIAS ' 6 9 3 uno de los términos y símbolos que deberán '2 ' Conocer la importancia que tiene el ' $ ' $ 6 3 = 4 2 &' ciones, aplicando los conocimientos recientemente adquiridos, en cada una de Saber interpretar los resultados obtenidos www.FreeLibros.org 658 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO GENERALIDADES 'Y 3 $ ' 9 / 6 J $ ' ' $J ' 6 = ' &' $ &' ' J = $ ' 6 ' &' $ Y 6 ' N /' = &' ' ' Y 6 2 ' in estigación parcia y no total para llegar a conocer el comportamiento de ' ' Hemos mencionado la palabra muestra 6 ' 6$ muestreo son las Y '2 2$ ' ' $ 3 ' 6 ' $ / '$ POBLACIÓN O UNIVERSO Es un conjunto de unidades o e ementos ue presentan una característica com n; también se le considera ' 3' * 6 Y 6 6 6 'J $ Y ' 6' ' ' 6 @ 6$ 3' ' 6 ' ' = 6 2 6 63 ' 3' 6 ' % 3 ' ' ' $ ' ' ' / '$ = Y6 '&' % ' 3' &' 6' =$ ' ' ' ' ' 'J Y6 K '3 J ' ' 63 J ' + No es correcto, entonces, considerar la pob ación o uni erso =2 ' ' Y6 ' 2 ' ' &' / '$ $ $ ' Y' J ' = 6$ ' = 6 ' 6 '6 2 6 ' &' ' * ' ' 6 63 ' ' ' =6 UNIDAD Y ELEMENTO www.FreeLibros.org N unidad ' 6 3 ' = =' ' 2 ' ' '6 &' =J ' ' &' '6 659 CAPÍTULO TRECE ALGUNOS MÉTODOS DE MUESTREO ' ' 6 e emento 6 ' ' ' = $ 6 Y6 = ' ' N Unidad Y = ' ' = ' ' 2 ' 6 ' 6 ' 3 Y unidad e ementa o e emento cuan 6 =$ ' ' 63 ' 6 ' ' N ' 6 ser c ara = $ &' $J debe ser adecuada 63 $ mensurab e y comparab e ' 6 ' '=' ' ' $ a ue a unidad económica bajo un propietario o contro nico ue se dedica e c usi a o principa mente a una c ase de acti idad industria en una ubicación nica ' Y ' $ &' ' 6 $ ' Y ' = &' Y6 ' ' Y 6 $ = ' ' / = principa es, secundarias y miembros sup ementarios Una unidad o e emento ' ' &' &' ' &' $ ' = 6 &' 63 Y = &' ' ' = &' = ' ' 6 N fami ia principa se 3 = Y ' $' Y3 &' 6 6 2 ' = = N fami ia secundaria está compuesta por personas que no forman parte de la principal, pero $ 6 = ' ' &' $ Se considera también como miembros sup ementarios a las personas que comparten, al menos, ' = ' + '&' ' $ ' ' $ bien , adecuadas, mensurab es y comparab e 6 Unidades de Selección: son los diferentes grupos o subgrupos que pueden formarse de la pobla$ ' ! 6 ' ' $ ' 6 $ ' www.FreeLibros.org Unidades Parciales de Selección: son aquéllas que se obtienen, como consecuencia del proceso de $ ' &' = ' ' '6 6$ 660 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO ' ' $ 3 ' ' = ' $ ' 2 6 ' 2 ' '6 2 N ' ' = ' É '6 6 = ' ' $ ; ` ' = ' 3 ' $ ' = Unidades de observación: &' &' ' 3' = 6$ ' Unidad de análisis: son aquellos elementos o unidades sobre las cuales se concentra el estudio, &' ' =$ &' ' 2 6 ' 63 ' 6 $ ' muestreo a eatorio simp e * 6 Y ' Y $ muestreo mu tietápico+ &' ' $ 9 * $ 6 6 * $ 2 * $ * $ = N ' =$ = 6 $ ' N ' ] 3 = Y 63 &' 6 6 $ 3 POBLACIÓN FINITA E INFINITA ! rada como o unidades o e ementos de obser ación 6$ ' - -# , conformada por un indeterminado número de unidades, tal es el número de ' 2 ' $ ' 6$ ' 6$ ' ' 3 Y' ' =6 ' Al determinar el tama o de a muestra ' 6$ ' 6 6$ ' www.FreeLibros.org N # es aquélla constituida por un determinado o limitado número de elementos o ' &' CAPÍTULO TRECE ALGUNOS MÉTODOS DE MUESTREO 661 CARACTERÍSTICAS N ' ' ' ' ti as y cuantitati as cua ita- Características Cualitativas: son atributos, susceptibles de ser expresados mediante palabras, '$ = $ $ ' 6&' / + *$ ' '6 Características Cuantitativas: son ariab es &' ' ' + / ' 3 ' ' ' ' ' + ' ' 63 $9 UNIDAD '- CARACTERÍSTICAS A ESTUDIAR Familia 6 ' Hospital % Número de personas que la componen Ingresos y gastos &' 63 '$ % Número de personas que estudian ! % '$ 6' Consumo de energía Sueldos y salarios Clase de consulta Sexo Clase de tratamiento 4 '$ '$ $ Y 2 N características 6 '2$ promedios, proporciones, ra ones les medidas reciben el nombre de parámetros, cuando son aplicadas a las características de las unidades 6$ estimadores ' * ' '$ Y 2$ 3 '3 $ '3 KY6 INVESTIGACIÓN TOTAL Y PARCIAL ! 63 ' 63 &' a o una in estigación parcia ' 2 Exhaustiva: 6 6 ' &' ' 63 $ N ' $ ' 6$ 6 6$ ' '=' &' ' 2$ '$ ' = $ ' in estigación e hausti ' 6$ ' 6 ' + ' www.FreeLibros.org 662 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO ' = 9 ! tiempo &' 2 ' &' 6 6 =$ costo ' $ 2$ '6$ 6 &' &' = ' ' = ' &' error sistemático ' ' ' ' J error aumenta a &' = ' = &' Un censo ' 2 ' destru e ' '+ % 3 '$ 66 ' ' =6 ' / ' '$ ' 6 =$ 2 J 3 Y6 ' / ' &' 6 6 ' Sin embargo, el censo es necesario, cuando s '6 $ ' 6 ' VXX~ ' ' censo N 6$ 2 ' 9 ' &' $ N 6 $ N J ' ' '$ 6 Y ' 6 + / N 6 6' ' 6 =$ 6 2 ' ' parcia 6$ denominada muestra 3 9 4 ' * 6 6 ' * = ' É 6$ * 6 $ censo y muestra depende, en la mayoría de los casos, de la ' www.FreeLibros.org Muestra o Investigación Parcial: 6$ ' 3' ' CAPÍTULO TRECE ALGUNOS MÉTODOS DE MUESTREO 663 6 ' 6$ '63' &' ' $ $ 63 N $ ' 6 a eatoria &' &' 66 6 ' ' 6$ ' ' ' Y6 ' ' no a eatoria MUESTREO NO ALEATORIO Una muestra no es a eatoria ' '3 &' = 3' '63 Y' $ + ' = Y J ' ' $ &' 2 ' ' 3' ' =6 $ Y Y ' $ 6 ' ' N muestra dirigida ' ' 6$ &' ' 2 VX+ = '6 ' 6 ' &' 6 ' 2 6 ' Y6 Y Y ' = 6 &' ' ' $J este caso el proceso se denomina muestreo de o untarios Si la característica es homogénea ' ' =J 3 ' ' ' 'Y ' 6 J ' ' 2 ' 2 2 &' 6 * / ' ' '&' ' V 3 ' ' 9 opinático la unidad se selecciona en $ J intenciona Y $ J por cuotas, en este caso ' Y6 '3 ' 6 3 ' 9 ' ' 2 2$ se le llama muestreo errático ' MUESTREO ALEATORIO Una muestra es a eatoria ' &' ' 6$ ' 6 / ' $ muestreo a eatorio N 9 www.FreeLibros.org 1. Muestreo Aleatorio Simple: $ ' ' distribución bino- 664 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO mia J $ ' distribución hipergeométrica 6 muestreo irrestricto muestreo a eatorio simp e 6 ' 6$ ' ' ' &' J 6 6 &' ' ' ' &' ' 2 J 6$ 6 = ' ' $ &' $ * &' ' + ' 6$ ' = 'Y * 66 &' Y ' 3 ' ' ' ' $ + No existe garantía de que todas las unidades queden representadas en la muestra, cuando ' 6 * $ N 6 treo a eatorio simp e wX~ 3 ' &' Y mues- *W 9 6 muestreo a eatorio restringido ' $ 6$ ' estratos en tal forma que ' &' $ ' % &' $ ' = = $ 6 ' Y $ &' 63 ' ! ' $ ' *' &' Y ' $ 6 '6 ' ' 6 $ 3 ' ' wXX Y' &' = Y' 6' 6' &' 6 ' ' &' ' Y6 = $ ' Y' ' = 6 6 ' $ Y' , como en el muestreo a eatorio simp e, se requiere una lista ' &' ' 6$ 6 '66 &' ' ' Y &' 6$ &' 6 ' &' muestreo a eatorio simp e Y $ &' ' 3 &' = ' Y ' ' &' $ ' ! 6'$ ' 9 ' = ' www.FreeLibros.org ># # >#` se da cuando los elementos quedan asignados o ' ' CAPÍTULO TRECE ALGUNOS MÉTODOS DE MUESTREO 665 , # , 9 6' ' $ &' 6' 6$ k 9 ' ' ' ' 6 ' $ * 6 ' &' 9 % (s +VXX ' wX~ 6 2 muestreo a eatorio simp eJ Y ' 6 , con el cual dismi' ' $ $ 3. Muestreo sistemático: más que un método de muestreo, es considerado como un método de $ &' ' métodos de se ección a inter a os regu ares * ' ' ' % 6 muestreo a eatorio simp e, muestreo a eatorio y muestreo sistemático+ 6 ' 6 &' &' / ' ' / 4 Muestreo Doble: denominado también bifásico &' = = = ' / =$ '/ &' 6 $ ' J 2 ' ' simple, generalmente grande, en forma rápida y sencilla para conocer en forma muy general algunas de 63 ' J ' ' ' ' / &' '6' ' Y * '2 = Y6 muestreo m tip e o po ifásico 5 Muestreo por conglomerados Áreas o Etapas9 /' ' ' ' 6$ muestreo por cong omerados '2 ' / 6 ' =' =$ 6 ' ' ' = ' ' &' mos cong omeradosJ ' &' Y ' 6$ *' &' 2 ' = ' ' @ ' = ' ' 2$ muestreo a eatorio monoetápico, es 2 $ ' * ' $ 2 ' 2 muestra correspondiente a familias, el método será bietápico 6 &' Y ' $ respecto al anterior método, ya que los elementos no forman parte de los conglomerados, sino que son ' ' '6]' ' www.FreeLibros.org * Y ' $ 6 ' trietápico E muestreo po ietápico o mu tietápico 2 = ' 2$ 666 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO N cong omerados son unidades que contienen unidades o elementos, es de anotar, que en la apli$ muestreo por etapas ' 6 ' &' &' 6 6. Sub-muestras Interpenetrantes9 '6' ' ' ' 6$ '2 ' 6 ' ' 7. Métodos Mixtos9 ' 6$ ' - MARCO $ ' &' ' &' ' 6 '2 6 ' &' 6$ &' ' 2 ' marco de referencia o marco muestra 6$ 63 % 3 $ ' ' 63 ' =6 ' J 3 ' ' ' ' Sin embargo, el marco no siempre estará representado por un listado, podrá ser también un mapa o == marco 6 ' = J 3 9 ' ' ' &' ' &' Y = ' &' 2 ' muestreo por etapas m tip es 6 / ' 6 ' ' $ ' ' &' ' ' ' ' '6 &' &' =$ &' 6 ' ' 4 2 = &' / ' '2 ' ' J 6 '2 &' ' 6 26 ' ' 6 FALSEAMIENTO DEL ESQUEMA DE SELECCIÓN 6' ' ' $ ' 6 ' 3$ $ $+ &' &' $ 6' / 63J ' 9 e aboración de formu ario, instrucciones, entrenamiento de persona entre istador y la necesidad de una buena $ 63 % 3 3' ' ' $ =$ ' ! Y 6 ' &' '2 ! 6 ' 6 $J ' Y 6 ' ' + &' J 6 6 www.FreeLibros.org CAPÍTULO TRECE ALGUNOS MÉTODOS DE MUESTREO 667 &' 6 ' ' $+ 6 6 &' =$ ' 6 $+ ! 6 / ' Y '$ $ persona técnico y el persona de campo o A &' ' ' 63 2$ las unidades seleccionadas, ocasionan fa seamiento en e es uema de se ección _ ' = &' ' ' 63 &' ' &' ' ' ' ' ' = ' ' &' ' $ informante se rehusa &'2 &' &' ' Y &' ' = ' ' ' 6 &' Y 6 'Y / ' '6 $ Y = 6 $ informante no puede ser entre istado, tal es el caso de que no esté, el establecimiento ' Y = = ' ' ' informante no debe ser entre istado 6 =' &' $ $ ' '$ $ ' ' &' 6 $ Y ' $ =' 6 ' ' &' ' 2 63 $ ' ' Y ' $ ' ' ' ' ' ' ' 66 &' 6$ &' ' ' 66 &' ' ! ' &' 6 / ' '$ ' = &' $J ' ' 6' =$ considera como dominio de estudio &' 3 ' ' SUSTITUCIÓN DE UNIDADES ' ' ' ' &' Y = J $ ' métodos de sustitución &' ' ' 63 ' '$9 * Y sustitución ' ' ' 3 ' J ' ' $ =$ 6 ' 6 '' &' www.FreeLibros.org 668 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO ' = &' ' ' ' 66 $ Otro método de sustitución ' ' ' ' ' &' Y ' &' &' ' =$ ' ' 6 =$' $ &' 6 ' &' =$ * 2 ' ' ' &' = 6$ &' =' ' =' 2 ' $ &' ' ' ' ' 6 ' &' ' &' 6 Y6 9 J 2$ 6 6 ' N $ ' Y 6 $ 6 ' ' '$ $ J 6' ' 6 ' &' DOMINIO DE ESTUDIO * 3 &' $ 6 Y6 ' '$ ' ' J ' ' 2 ' ' ' ' =$+ = $ * 2 con estas unidades, corresponderá al denominado dominio de estudio y los resultados no se consideran 6 Y6 63 ' = $ % 3 6 $ ' ' zXX 6 ' 2 {X ! 6 `[X ' ' zXX ' N {X ' ' &' = ' '63' 6$ &' 6 ' $ 2 6 dominio de estudio ' 2 ' &' ' J 3 2 ' $ ' ' 6 ' &' Y'J ' =$ ' = Y'J ' ' '66$ = ' &' Y' MÉTODOS DE SELECCIÓN / = $ 2 9 www.FreeLibros.org Selección con reempla o: ' 2 ' 6 6 $ Y se ección de as unidades Z $ ' Y $ CAPÍTULO TRECE ALGUNOS MÉTODOS DE MUESTREO 669 ' 2 Y6 ' muestra a eatoria con reemp a oJ ' ' ' '6' 2 ' se ección con reemp a o, es aplicado generalmente en el muestreo por conglomerados &' = $ ' $ ' ' J Y &' = ' &' ' ' '2 $ $ $ ' 2 Selección por sorteo: ' ' 6$ ' J ' '2 3 6 &' J ' ' ' 2 / ' ' Y ' Selección a intervalos regulares o sistemático: este método consiste en determinar un inter a o 6 ' ! 6 ' 6$ ' ' ' ' ' J 3 9 VX XV VX+ { ' V{ [{ se ección sistemática Uso de las tablas de números aleatorios: '2$ 6 &' ' 3' ' Y2 ' ' $ $ ' 6$ VX X }+ ' &' 2 $ ' N 6 ' 6 = ' 2 6 3 Y X} ' ' ' ' sacan una a una, teniendo en cuenta que al extraer una, se lee, se anota el número y se regresa a la urna, = = 6 6 _Z &' 6 ' ' J '&' ' Y 6 Y 63 Y Y Y 2&' N = 6J 3 6$ ' }}} = XXV }}} * 6$ `XX '&' &' `XX ' $ &' XXV `XX ' '2$ 6 6 9 * * 2 ' '&' 6 ' ' &' 2 ' &' N 6$ 6 ' V Y }J XV Y }}J XXV Y }}} ' ' 6$ * ' ' $ $ ' Y 6 63 Y 2&' * 6 &' &' ' $ 6$ ' Y 6 www.FreeLibros.org 670 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO ' ' '2 ' ' = 6 USO DE LA CALCULADORA: ' @*Z A/ w\XX% 6 '&' $ *' ' es sencillo, solo requiere oprimir primero la tecla INV en otras SHIFT , luego la tecla . que aparece RAN 3 = X|z} 6 6 }}} '2 ' &' 6 ' * 6 6 '2 &' ' + X &' APLICACIÓN DE EXCEL PARA SELECCIÓN ALEATORIA %4Z4 ! ! *N@@Z° N4Z %4 zX !* 63 =/='$+ ' Y3 ' $ ='$ =/ ' ' ' Z*44 A@Z° 6 ' @4 ! N A@Z° ' $ ¹Z@* ¤ 4Z 4Z@* *N@@Z4 A@Z° ='$ N4Z 4 A' V Z A'$ www.FreeLibros.org CAPÍTULO TRECE ALGUNOS MÉTODOS DE MUESTREO 671 Y @NZ@ @%4 ' '9 A' [ ^+ % $ ' ' ' =$ &' 6 V *ZN+ * 3 ' ' VVXX ' ' ' ' 6 ZA4Z4 w *%4Z4 VVX[ &' ' ' ^3 =$' 3 ' 2 6 &' / ' ' A' w @' www.FreeLibros.org 672 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO ! &' ' 3 ' VVXX ' &' ' ' zX $ ' Y ' ' ' zX ' ' 9 A' ` 4 ' ' ^ *! ! ! *N@@Z° N4Z % = 2 $ '6 ' 9 @NZ@ Y !* A' z Y3 $ ' $ ¹NZ*Z* ! !* ! www.FreeLibros.org Al i l l i i d d diál b l l l i CAPÍTULO TRECE ALGUNOS MÉTODOS DE MUESTREO 673 Al presionar esta tecla aparece el siguiente cuadro de diálogo sobre el cual seleccionamos $ 4@Z° ! Ì4* N4Z* ' ' 9 A' \ Z A'$ ' &' ' 9 Ì4 ! _4Z^N* &' ' 6 =$ 6 V ' 3 VX que debe colocarse en la primera casilla es 10, y la tabla de salida tendría el mismo número ' % 3 ' ' 6 *4 V @Z!! ! Ì4* N4Z* &' ' zX !Z*4Z^@Z° '= ^ ' 6 % = ' + ' 3 $ ZA4 2 $ ZA4 6 ' &' %4¹4* ' '2 3 $ &' 2 V`X V\` 6 $ www.FreeLibros.org ZZ@Z4 @J 3 ' '&' ' $ A %@Z* ! *NZ! $ 4 ! *NZ! Nw &' ' 674 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO A' | $ A' { 4 ' $ www.FreeLibros.org CAPÍTULO TRECE ALGUNOS MÉTODOS DE MUESTREO 675 Nota: @' Y ' &' ' = = &' 6 6 ' 6 ' @ 4@4 ! ! *N@@Z° N4Z % ' '6 ' 2 ' 9 @NZ@ Y !* A' } Y3 ' $ ¹NZ*Z* ! !* ! 2 $ *4 Y @NZ@ @%4 ' '9 www.FreeLibros.org 676 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO 2 $ *4 Y @NZ@ @%4 ' '9 A' VX Z A'$ 2 ='$ ' ' 6 ' ' 4 ! 4! 6 &' $ ' &' [9VVX[ *4 $ 4°N N4Z $ Ì4 ! *4* zX &' ' &' '2 A ' %@Z* ! *NZ! &' $ 4 ! *NZ! w ' Figura No.11. Datos de Muestra. (Pantallazo adicional) A' VV ! ' %2 + www.FreeLibros.org CAPÍTULO TRECE ALGUNOS MÉTODOS DE MUESTREO A' V[ 4 ' 677 ' %2 + Nota: ' 2 ' 6 ' &' $ 6 ' '$ ' 6 = ' 6 6 VX{X &' ' 6$ ' @! &' 6 3' $ @N &' ' ' Vw = ' 6 63 OBJETO DEL MUESTREO ALEATORIO 63 muestreo a eatorio ' 6$ 6 % / ' ' 6 9 $ &' 6 ' @ Estimadores: el estimador es una medida que describe una determinada característica de la mues 6 $ 2 2 Se les llama estimadores &' 3 &' ' ' numéricos poblacionales, generalmente desconocidos, a los que se llega por medio de datos proporcionados por la muestra, en tanto que un parámetro describe una determinada característica de las unidades 6$ www.FreeLibros.org 678 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO N estimati os 6 ' ' ' 6$ N $ parámetros Y = ' ' ' ' 6 ' &' 2 2$ pruebas de hipótesis, proceso denominado inferencia estadística * estimación de punto ' ' = * 6 ' 2 $ 6' 6 ' ' $ puntua o ' N &' - 9 Insesgado9 &' ' ' 6$ &' " 9 &' ' onsistente9 6 ' ' = &' 2 ' = 9 ' &' '2 =$ &' ' ' 6 &' Tamaño de la muestra9 ' &' 6 ' $ ' $ tama o óptimo 62 n * &' ' ' 6 &' &' $ ' 63 6 &' ' 6 ' &' ' &' ' 6 62 &' / ' ' ' ' 6 ' ' tama o óptimo 6 ' ' 9 E Error de Muestreo: = &' ' Y6 6 + $ $ '' =+ 6 ' ' 6 ' ' 6 ' 6$ N 6'$ ' 6 ÏQ – ¡Ð ÐQ – Ï – = media muestral μ = media poblacional Q ' 'Y J 3 ' &' 6 6 / &' / |{XXXX 9 |{XXXX Ï ! ' $ &' ' Ï \XXXX '&' &' ' www.FreeLibros.org CAPÍTULO TRECE ALGUNOS MÉTODOS DE MUESTREO 679 6 &' '' Y * 6 &' / ' 6 6$ &' ' Y &' 'Y 3 en la mayoría de los casos no mayor del 10%, aplicado a la media aritmética, generalmente obtenida en ' ' 9 Q ~+ – + 3 ' ' 2 &' ' 2 }z~ '' ' z~ &' 3 ' ' $ &' Y $ % Y error &' &' ' &' ' ajenos a muestreo, no muestra es o sistemáticos, se ' ' $ ' = ' ' ' ' 6' J ' #' =' 6 ' $ 6'$ ' ' 3 ' a arian a: ! 6 ' % 3 &' 2 ' &' ' &' ' 'Y J ' Y Y Y ' ' ' 6 &' ' ' ' 'Y ' ' ' 3 ' 2+ 6 Y &' 6 J '&' ' &' 6 &' ' ' ' * ' Y ' $ ' '$ 6 &' J ' 6 ' ' 6 = &' &' / &' 6 ' 9 ' &' 2 6' 6$ 6 Y &' / Encuestas pre iminares, pi oto o pretest &' 2$ ' &' ' ' = 6 3 ' 3 &' 6 6 2 ' ' ' 6' ' ' 6$ arian a 6 2 ' 3 ' &' Y 6 6$ www.FreeLibros.org 680 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO N encuestas pre iminare $ 2 &' 6 &' &' 63 $ &' = ' =2 =' = ' $ 3 ' 3 $ ' ! ' encuesta pre iminar Y ' 6 ' 6 2 ' 6 $ 1 2* Y &' $ ' ' ' 2 = 2 2 3 &' 63 ' ½ Q [ ' 2 }z z~J 6 &' ½ 9 ½ Q [ z| 2 }}~+ ½QV \` }X~ 6 + N 63 ½ Q [ $ ½ Q V }\ $ ' $ &' ama o de a pob ación9 ' ' 6 =$' ' $ EJERCICIOS PARA RESOLVER 9 ' | wXw+ N en Línea SIL. $ 3 ' 6 3 ' ' Sistema de Información V ! = ' ' 9 + %6$ ' 3' &' ' 6+ 6$ &' &' = ' &' ' ' '+ + N ' ' ' 6$ &' /3 + $ 2 6 ' 66 + N ' 6 ' ' 6$ =+ 3 ' ' $ + '2 ' $ $ ' &' 6'$ [ ! = ' ' 9 + &' ' ' ' 6+ 2 2 + $ ' 6 &' / + 3 $ 2 ' + % = '2$ ' ' ' ' =+ N / $ NN––n1 se conoce como «3 # Ò + ' $ 6 ' www.FreeLibros.org CAPÍTULO TRECE ALGUNOS MÉTODOS DE MUESTREO w ! = ' ' 9 + N $ = / ' 6+ ' 2 ' 6 ' ' 6$ + ' '2 ' ' 6$ &' ' ' 6' + 3$ $ ' ' &' $ + ' ' ' ' ' =+ @' =$ ' Y6 3$ + N 6 $ 6 ' 6$ Y 6 '6]6 ' ' Y ' ' $ ` ! 3 &' '$ ' 66 66 + ' + + %6$9 6 &' =$ ' 9 ' 6 ' 6+ %6$9 ' ' ' ' ' 9 = ' ' ' ' = ' + %6$9 ' ' ' ' ' 9 {X ' &' ' '&' + %6$9 6 VXXX = ' ' ' ' 3 ' 9 ' / VXX ' /$ + %6$9 ' ' ' ' ' 9 ' ' zX ' =' z ' ' &' '$ 66 66 + 2 ' ' + ' + %6$9 Y3 3 ^ ' 9 ' Y3 ' 6+ %6$9 ' ' ' ' ' 9 6 4 ' ' =' + %6$9 ' ' ' ' ' 9 = = '$ &' &' 6 ' $ 3 ' ' =$ &' \ ! ' 3 ' + * 3' ' 3 ' ' VX &' &' 6+ @ ' 6$ &' Y ' ' ' ' &' ' 6$ + ' =' + ' 6 Vz [X ' + ' ' = ' ' =$ $ 6 &' 681 www.FreeLibros.org 682 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO + 6 ' 3 / VXX ' ' /$ ' ' ' | ' ' ' ' 3 3 ' $ ' { N ' Y ' $ 6 ] $ ' @ ' Y 9 + ' 6+ ' + ' ' + ' /&' $ ' 6 &' Y w 3 VX { =' ' ' 3 &' ' 3 9 6$ ' ' } *' &' ' ' ' 6 N ' ' ' ' 6 ' ' ' ' ' =$ ' 6 ' ' VX ! ' ' ` 6 &' $ @' 2 ' ' ' !' 63 ' ' / ' ' ' VV '2 = ' $ ' ' ' 9 + 3 ' $ &' $ &' VV Y 6+ $ ' ' 6 Y &' '6 + ' $ ' = 6 + N * *' ' ' &' $ &' Y ' 6 V[ /&' 6 ' $ 6 $ &' ' ' ' ' ' Vw $ $ ' ' $ ' ' ' ' 3 ' z+ ' [X ' 6 ' N $ ' N $ * $ ' ' J www.FreeLibros.org CAPÍTULO TRECE ALGUNOS MÉTODOS DE MUESTREO 683 ' J $ ' $ ' ' V` ' $ '$ ! 6 ' '$ ' ' ' ' ' ' Vz $ $ &' 2 6 $ VXX '3 &' ' ' ' ! VXX '3 \z = preferencia por la marca A, + @$ ' $ '3 &' ' 2 '&' $J 6+ @' 6$ 63 ' J + * $ $ ' ' J ! &' ' &' 2$J + ' $ ' $ ' $ V\ ' &' $ '6 ' ' ' % &' ' 6 V| 4 = 6 ' ' 9 + @' = &' ' Y6 9 1+ ' ' simple; a[+ ' ' J 3+ ' 6+ &' ' 6 ' 2$ ' ' $ + /&' 6 63 ' + /&' ' '$ &' '2 ' V{ ' ' 6 ' ' ' ' 6 ' = $ ' 6 ' 2 Y ' ' $ 2J = ' 2 ' Y $ % ' ' 6 * 9 + Z 6$ 6 &' ' 6+ Z + &' 6 6 + @' ' J + ' ' 6 + % ' `+ ' J =+ ! ' V} ' ' &' 6 Y ' ' 2 ' ' ' 2 VX ' + A' ' 2 ' ' VX+ 2 2 ' ' 2 [+ 6+ * 63 '2 ' ' $ ' www.FreeLibros.org [X $ ' ' =6 '+ Y * 63 684 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO &' 6 '2 ' $ ' 9 3 3 ' [V ' = ' ' 6 ' ' 6 6 ' VX~ ' = 6 + *' &' ' $ ' ' &' % ' ' ' ' ' ' ' 6+ *' &' ' = $ ' ' ' ' ' ' ' ' + *' &' ' ' &' $ ' ' ' &' % ' ' ' ' ' ' ' TAMAÑO DE LA MUESTRA - M.A.S. Nota: N ' 3 @' | &' / ' ' *ZN ' [[ % = $ $ *6 ^ [[XX Y 9 + Y Y ' {~ ' 2 }z z~J 6+ Y Y ' {~ ' 2 }z z~J + N $ Y ' Y ' [zX ' {~ 2 }z z~ ' `X 3$ ' 9 + % Y `\ $ `X 6+ 4 Y Y w`z 2 }|XX + \X~ Y Y ' [zX + ' ' ' [w * 3 Y [[XX Y ' {XXX ' 2 }z z~ ' ' &' [` * &' ' ' ' ' 2 ^ % $ 6$ 2 ' ' {X = Y 2 ' $ [zX + @' &' = 6$ / Ï [`X ' 2 }z~ 6+ @' ' 6 &' 6 V[XX = [z '6 &' ' '6 + Y '2$ 3 / 66 N Y / VXXzX 3 * Y ' $ 6 '2$ 3 % 2$ ' ' }X 3 $ &' \w =' '2 ' = % 3 =' [w}XXXX $ `XXX * ' ' [~ ' 2 }z~ 9 + $ www.FreeLibros.org CAPÍTULO TRECE ALGUNOS MÉTODOS DE MUESTREO 685 &' '2 3 J 6+ ' 3 J + ' 3 J + ! 6 @' 3 ' [\ ! = ' 9 + * &' $ 6 Y6 ' '$ ' &' Y 6+ 6 ' ' &' = 6$ + ' ' ' ' ' + &' ' 2 ' ' + ' &' ' ' 6 &' DISEÑO DE MUESTREO dise o y e tama o ' =$ 63 ' 4 &' objeti o de muestreo es contar con el mayor número de ' =$ 6 &' 'Y =$ 6' J 6 = 2$ =$ &' Y / $ N 6 &' ' =' % dise o de a muestra y cá cu o de tama o 9 &' &' Y ' P anteamiento de prob ema: nos permite determinar la necesidad, o no, de adelantar una $ &' '2 =$ &' ' 6 ' &' ' Y 3' *' &' 3 $9 6 Y 63 '$ ' ' 6'$ 6 2 2 $ 6 estab ecerse e objeti o, o os objeti os ' ' 6 ' &' 2 ' $ ' ' 3 &' ' ' 2$ $ @ &' 63 ' ' ' 6 ' J 63 ' 9 'J $ =J 6' =$ 6 ' 6'$ ! 6 determinar a pob ación objeti o &' 6 6 $ Z ' ' 6 9 c ara, mensurab e, adecuada y comparab e ' 6 ' = &' 6 63 $ 6 &' la familia es, en nuestro caso, a unidad de se ección www.FreeLibros.org 686 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO Formu amos as hipótesis Y2 3 ' Y ¡ ' Y ¡ * 6 = ¡ N $ #' Y6 ¡ ' Y ' 6$ ¡ ' Y 63 $ ' 6 * 6 marco de referencia 4 &' ' istado de todas as unidades que ' 6$ 63 ' ' &' &' &' 2$ ' ' 3 ' ' wzz = &' 2 ' ' XXV Y wXz _ 6 VwV *ZN+ = * 6 método de reco ección ' 3 3 &' ' &' Y ' 6' $ ' 9 entre ista, el correo, la entrega persona del cuestionario, el te éfono y el pane % ' Y $ * método de muestreo a eatorio 6 &' &' &' 63 $ Muestreo A eatorio Simp e Y ' Y 9 6$ ' $J $ $ J Y Y Y / ' $ ' =' 2 / ' &' Y ' $ 6' ' J ' ' &' 6' $ 63 $ ' Y ' &' 6 ' ' $ ' Y Y &' &' ' ' &' 6 $ &' 2 FORMULARIO O CUESTIONARIO * $ ' ' =$ ' 63 6 $ ' 6$ ' 6 2 ' ' ' =' ' = 9 6$ 63 ' Y' www.FreeLibros.org ' 6$ wzz = '6 ' ' ' 9 n Q ~++ n Q X X`wzz+ Q V` = 4 &' 3 6 ' ' VX~ CAPÍTULO TRECE ALGUNOS MÉTODOS DE MUESTREO 687 % '$ ' =' ' wzz = ' =$ ' &' ' ' ' Y + Ver información en el SIL capítulo 13 (Tabla 13.1). 5HDOL]DHOGHSDUWDPHQWRGH LQYHVWLJDFLyQ\PHUFDGHR 1R (1&8(67$62%5(,1*5(62<&216802'(&$51( '(/$6)$0,/,$6(1(/%$55,2)87852 'LUHFFLyQ 7HOpIRQR &LXGDG )HFKD ,*(1(5$/,'$'(6 1RPEUHGHOLQIRUPDQWH 'LUHFFLyQ 7HOpIRQR 2FXSDFLyQ (GDG ,,««««« ,QJUHVRPHQVXDO 3URSLHGDGGHODYLYLHQGD 3URSLHWDULR ,QTXLOLQR &RQVXPRGLDULRGHFDUQHJUDPRVHWF * =' Y ' $ =$ 6 ' 9 +J J / '$J ' + &' '2 =$ wzz = *ZN @' Vw+ APLICACIÓN DE MÉTODOS Y TÉCNICAS DE MUESTREO MUESTREO ALEATORIO SIMPLE (MAS) Tamaño de la muestra ' = ' &' 2 2 6$ Ô[+J 6 ' 2 encuestas pi oto &' ' '' &' / =$ 6 6$ ' 6 ' = &' = ' ' VwV er capítu o 1 en SI + ! ' Y6 6$ ' ' $ &' &' ' 6 $ ' www.FreeLibros.org 688 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO % ' 6 ' = ' $ ' &' ' =$ 6 6$ 6 ' 6 &' ' ' ' ' ' wzz = N = ' $ Y 3' 6 A''+ &' 63 ' Y ' 2 ' $ 2 ' 6$ ' ' ' =$' &' '$9 no (1) n = ––––––– n 1+ o N Z 2S 2 no = –––––– E2 ⇒ donde NZ 2S2 (2) n = –––––––––– NE2 + Z2S2 S2 (3) n = –––––––––– S2 E2 + N Z ( ( @ 2 6 &' 63 $ oto o pre iminar siendo9 npilot = 4% (n) ' ' &' ' encuesta pi- npilot = 0,04 (355) = 14 familias 3 `~ 6 ' $ ' 9 6 ' VX~ ' 2 6 n '2 '&' $ ' &' Y '2 * ' * + ' $ ' 66 N' 2 $ ' @' 6 % @N V` = &' = muestra pi oto 6$ ' XXV Y wzz+ ' ' *' &' 6' ' ' 6 69 335 348 004 202 289 349 128 197 097 018 271 020 253 207 Z=$ 6 Encuesta Pre iminar o Pi oto No. Números Ingresos Vivienda No. total de Orden Aleatorios (Miles $) Propia personas 2.420 1.060 2.860 2.320 1.120 2.500 1.930 1.020 si si no no si si si si 3 3 3 3 3 5 2 3 1 2 3 4 5 6 7 8 335 004 289 128 097 271 253 348 M F Trabajando 1 1 1 1 1 1 0 2 2 2 2 2 2 4 2 1 1 1 2 2 1 2 2 1 Consumo diario de carne (grs.) 760 765 592 520 610 636 650 605 www.FreeLibros.org ontin a CAPÍTULO TRECE ALGUNOS MÉTODOS DE MUESTREO 689 ontinuación 9 10 11 12 13 14 202 349 197 018 020 207 1.960 1.110 970 1.790 2.250 1.750 si no no no no si 2 2 2 4 3 2 1 0 1 2 1 0 1 2 1 2 2 2 1 1 1 1 2 1 642 520 508 767 842 684 % ' ' ' tro caso podría ser el consumo o el ingreso * 6 / ' ' ' + &' 63 6' @ =$ 6 ' 2 ' $ ' &' Y _ ' ' 63 ' ' z~ 6 ingreso consumo+ {~ 6' propiedad de a i ienda+ N 2 }z z~ ½Q[+ a. Ingreso promedio (mi es de pesos) x= Σxi Q X Xz x+ Q X Xz V|}X+ Q {} z Y 2 s = Σx2i – n x 2 n–1 s2 = Z 2S 2 ⇒ no = –––––– E2 n = 25.060 = 1.790 VÕ|}XXXX+ 14 ' &' + 50.155.400 – 14(1.790)2 = 407.538,46 14 – 1 2 2 2 no = Z S = 2 (407.538,46) ~ = 203,5 2 89,52 E no n = ––––––– n 1+ o N 203,5 n = ––––––––– ~= 130 familias 203,5 1+ 355 NZ 2S2 n = ––––––––– NE2 + Z2S2 355(22)(407.538,46) n = –––––––––––––––––––––– = 130 familias 355(89,52) + 22(407.538,46) 6 ' ' 9 S2 n = –––––––––– S2 E2 + N Z ( ( 407.538,46 n = –––––––––––––––––– = 130 familias 89,5 2 + 407.538,46 2 355 ( ( ( ( ' '2 =$' $ &' &' 2 6 ' ' ' ' &' Y &' 'tado de n &' 6 2 6 www.FreeLibros.org % ' n $9 690 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO n0 = [ [[ Z 2S 2 E2 1+ 2 n1 [ n= [ [[ 22(407.538,46) ––––––––––– 89,52 1+ 2 14 [ = 232,58 232,58 n = –––––––––– ~ = 141 familias 232,58 1+ 355 ' 6 ' $ &' ' * =' ' wzz = ' 3 ' &' =$' Z 2N 2S 2 no = –––––– E2 E = N(0,05) ( x ) = 355(0,05)(1.790) = 31.772,25 22(3552)(407.538,46) no = –––––––––––––––– = 203,5 31.772,252 ⇒ 203,5 n = –––––––––– = 130 familias 203,5 1+ 355 b. onsumo promedio de carne diaria por fami ia x = S2 = Σxi = 9.101 n = 650,07 14 Σx2i – n x 2 n–1 = 6.054.547 – 14(650,07)2 ~ = 14 – 1 10.636,38 S = 103,12 E = 0,05 ( x ) = 0,05(650,07) = 32,50 E2 = 1.056,48 2 Z 2S 2 = 2 (10.636,38) ~ 40,27 no = –––––– = E2 1.056,48 no 40,27 ~ 37 familias n = ––––––– = n o = –––––––– 40,27 1+ 1+ N 355 6 ' ' =$'9 NZ 2S2 n = ––––––––– NE2 + Z2S2 = 355(22)(10.636,38) n = –––––––––––––––––––– = 37 familias 355(32,502) + 22(10.636,38) ' $ S2 n = –––––––––– S2 E2 + N Z 9 www.FreeLibros.org ( ( 10.636,38 siendo: n = –––––––––––––––––– = 37 familias 32,5 2 + 10.636,38 2 355 ( ( CAPÍTULO TRECE ALGUNOS MÉTODOS DE MUESTREO 691 @' Y Y &' 6 ' 6' w| = Y 6 ' % calculado es menor del 30%; en estos 6 $ Muestreo A eatorio Simp e 36 ' 6 S 100 CV = ––– CV = 103,12 –––––– 100 = 15,86% 650,07 x –––––– 100 = 34,36% CV = 615.17 1.790 (Consumo de carne) (Ingresos) @ ' Y 6 63 ' ' VwX = + ' Y ' ' $ ' 6 ' 3 $ c. Proporción de fami ias con i ienda propia P= Σa i n = 8 14 ~ 0,57 = 2 Z2SP Z 2PQ no = –––––– = E2 E2 no n = ––––––– n 1+ o N 153,18 = –––––––– 153,18 1+ 355 sp2 = ppq = 0,57(0,43) = 0,2451 22(0,2451) no = ––––––––– 0,082 E = 8% = 0,08 ~ = 153,18 ~ = 107 familias También se puede aplicar mediante la siguiente formúla: 355(22)(0,57)(0,43) NZ 2PQ ~ n = ––––––––– = –––––––––––––––––––– = 107 familias NE2 + Z2PQ 355(0,082) + 22(0,57)(0,43) * ' $ ' ' $ decidimos por aquél cuyo resultado sea el más alto, en este caso, sería 130 familias, si incluimos la ca Cálculo de algunos estimativos * Y Y &' $ ' parámetro Y ' 6 ' * $ '2 ' = 9 $ 2$ estimación puntua Si se desea determinar unos 1 dentro de los cuales debe estar probablemente el $ 2 * Y6 ' $ ' Y = 6$ www.FreeLibros.org ' ' 2 ' 2$ ' 6 $ =$J ' 6'$ 692 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO ' &' 6$ ' ' = = 2 2 + estimadores de os parámetros _ 6 $ '' + 3 wzz = &' ' n % ' ' ' ' &' + ' 6 = ' + *' &' $ ' 6 '&' '2 [{ = 2 VwX = 6 6 &' &' ' + $ = $ ÖÒ *' ' &' n d wX+ ' ' ' 63 ' n À wX+ '2 ½ N ' ' 66 $ ' Y a se ección a a ser sin repetición ' $9 V|X X}\ X`z [[` '2 ' @N 6 [{ V{\ wXw [V| V}\ X|\ [wX [Vw [{\ Vw[ Xw[ X{| V\{ XX\ wV{ V\w XX} wV[ V`` VVV [zX [`{ Xw\ XV{ X}z Información obtenida con la muestra de 28 familias. Datos sin agrupar. CONSUMO DIARIO DE No. NÚMEROS INGRESOS VIVIENDA No. TOTAL DE ORDEN ALEATORIOS (Miles ) PROPIA PERSONAS 1 V|X [|XX si 3 [ X`z V}[X si [ 1 1 [ \wX 3 V{\ {{X no 3 1 [ 1 zVX M F TRABAJANDO 1 [ [ CARNE (grs.) {V[ ` [V| {\X si z [ 3 1 zX\ z X|\ V{`X no z 1 ` [ \[X \ [Vw V{\X no 3 [ 1 1 |V\ | Vw[ V[\X si 3 [ 1 1 z[X { X{| [X\X si z 1 ` [ |{X } XX\ V|XX no [ 1 1 [ {}z 10 V\w }\X no 3 [ 1 1 z[X 11 wV[ V{}X no ` 3 1 [ z|\ V[ 111 VVVX si 3 1 [ 1 \[X 13 [`{ V}{X si 3 1 [ [ z{\ V` XV{ V|}X no z 1 ` [ |\X Vz X}\ VXXX no [ 0 [ [ \zX V\ [[` Vz[X no \ [ ` [ \\\ V| 303 w`\X si ` 1 3 3 |V{ V{ V}\ }zX no 3 1 [ 1 zVz www.FreeLibros.org V} [wX }{X si [ 1 1 1 z\X [X [{\ V}zX si z 1 ` [ |VX [V Xw[ }\X si [ 1 1 1 |{[ ontin a 693 CAPÍTULO TRECE ALGUNOS MÉTODOS DE MUESTREO ontinuación No. NÚMEROS INGRESOS VIVIENDA No. TOTAL DE ORDEN ALEATORIOS (Miles ) PROPIA PERSONAS M F TRABAJANDO CONSUMO DIARIO DE CARNE (grs.) [[ V\{ V\`X no z [ 3 [ |[X [w wV{ V|\X si [ 1 1 1 z`w [` XX} [{[X no ` [ [ 3 |`[ [z V`` V{{X no 3 1 [ [ z\X [\ [zX [X\X no [ 1 1 [ \V\ [| Xw\ V`zX no [ 1 1 [ z{X [{ X}z £ VXVX no [ 1 1 1 \wX `\[zX V[ + }w w\ z| `| V{X`w N 3 ' 2 }z~ &' ' sea grande (n À wX+ '2 Q V }\ n ¨ wX *' J ' 6 6 ¼ '+ ' n-1 o sea 4 Q [{¡VQ[| × Q X Xz }z~ 2 ' VXX~+J 3 ' [ Xz[ _ Y estimati os puntua es y de inter a os para algunas de las características que apa ' ESTIMACIÓN DE PROMEDIOS Y TOTALES V+ Promedio de Ingresos por fami ia9 N = ' ' 9 x = Σx i 46.250 ~ = 1.651,78 = 28 n s 2= Σx2i – n x 2 n–1 S= s 2= + $1.651.780,oo 87.416.300 – 28(1.651,78)2 ~ = 408.212,57 28 – 1 408.212,57 = 638,91 estimati o puntua o promedio wzz = V\zV|{z |V N ⇒ $ s X= x +t n ' }z~ N –n N –1 9 s X= x +t o f = fracción de muestreo; f = # V\zV |} &' ' ingreso promedio estimado para n n 28 = = 0,078; 355 N , ' =$ 1– f Aplicada como factor de corrección para z~ www.FreeLibros.org X = 1.651,79 ± 2,052 [ 638,91 28 [ 1.889,69 = $1.889.691,23 1– 0,078 = 1.413,89 = $1.413.888,77 694 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO ' &' 6 6 / V`Vw {} V{{} \} +J ' 66 2 }z~J 6 &' ' z~ ' ' = * 6 &' media pob aciona o a or erdadero V|{[ V|{[XXX ' ' 6 ! = 6 ' &' 6 6 2 &' V\zV |} =' 6$ % pótesis &' 6 Y$ &' &' ' Y$ 1) 2) 3) ' $ ' 6 % 3 = V|zXXXX V|zXXXX 9 formu ación de hi wzz = ' &' = &' ' Ho: μ = 1.750 (Hipótesis nula) Ha: μ = 1.750 (Hipótesis alternativa) α = 0,05 (nivel de significación) μs = x s = 1.889,69 (Límites de confianza) μi = x i = 1.413,89 `+ @ hipótesis nu a (Ho9 Ø Q V|zX+ '6 &' V|zX $ V|zXXXX 2 = ' 6 3 ' $ ' ' =$ '' ' 6 Ø Q V|{[+ ' ' = ' J &' V|zX ' =' V|{[J Y ' ZZ * &' 6 &' ' = ' = V|zX + 6 '2 2 Y$ J ' 9 Ho: μ = 1.750 Ha: μ < 1.750 2) α = 0,05 1.652 – 1.750 x –μ = = –0,81 3) t = 638,9 28 s n 1) / / υ = n – 1 = 27 α = 0,10 }t = –1,703 –1,703 t RC = Región Crítica o de rechazo ZA = Zona de Aceptación t = –1,703 punto crítico www.FreeLibros.org z~ &' V|zXXXX ' ZZ &' ' V|zXXXX ' V|{[ + = + CAPÍTULO TRECE ALGUNOS MÉTODOS DE MUESTREO N estimación de tota de ingresos wzz =$'9 $ 695 ' Ns X si = N x + t 1– f n [ X s= 355(1.651,79) + 2,052(355) 638,91 i 28 [ 1– 0,078 $670.840,39 X s= 586.385,45 + 84.454,94 (miles $) i $501.930,51 ingreso tota wzz = z{\w{\`zX ' \|X{`Xw}X zXV}wXzVX ' ' }z~ Promedio de personas por fami ia % 2 la desviación estándar. Σx i 93 x = n = 28 = 3,3214 }z~ 6 ' Σxi – n x 2 s= = n–1 $ 351 – 28(3,3214)2 = 1,2488 ~ = 1,25 27 s = 1,25 Xs = x + t s i n 1– f [ [ X s = 3,32 + 2,052 1,25 I 28 3,79 1– 0,078 = 2,85 Promedio de personas por familia . El total de personas para las 355 familias, será obtenido así: X s = N x + t Ns 1– f I n [ (355)(1,25) X s = 355(3,32) + 2,052 I X = 1.178,6 + 165,24 = 28 [ 1– 0,078 = 1.343,84 Total de personas 1.013,36 * ' &' / wzz = VV|}J 6 ' 2 }z~ 6 6 VXVw Vw`` @ 6 VV\`+ '' ' &' = ' ' 2 6 www.FreeLibros.org 696 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO ESTIMACIÓN DE PROPORCIONES Y TOTALES Proporción de fami ias con i ienda9 % ' p= Σai 12 n = 28 = 0,4286 ó 42,86% `[ {\~ `w~ % 6 1 Ps = p + t i pq n–1 9 &' `[ {\~ = ' =$'9 0,2449 27 0,6163 = 61,63% 1– 0,078 0,2409 = 24,09% ' 9 ' '' =' 6+ `{ |w~ ' ' '6 N }z~ `[ {\~ 2 ='$ Y$ = *' &' ' &' `z~ = V [ 1–f Ps = 0,4286 + 2,052 i , s p2 = pq = 0,4286(0,5714 ) = 0,2449 '' $ 2 - Ho9 % Q X `z Ha9 % Q X `z × Q X Xz w @ X `z 2 [` X}~ \V \w~+ Y$ ' &' `z~ = Y 6 $ `{ |w~+ &' Y ' ZZ = + ' ' 6 ' 3 &' 3 ' = `z~J 6 ' 9 V Ho9 % Q X `z Ha9 % Â X `z [ × Q X Xz p–P 0,4286 – 0,45 = 3. t = pq 0,2449 n–1 27 υ = n – 1 = 27 α = 0,10 = – 0,22 }t = – 1,703 www.FreeLibros.org t Q ]X [[ '6 2 $ z~ / ' 2$ &' 3 = = `z~ &' 6 ' ZZ &' ' `z~ CAPÍTULO TRECE ALGUNOS MÉTODOS DE MUESTREO 697 ota de fami ias con i ienda % estimación de tota es As= Np + tN i pq ' =$'9 1–f n–1 As= 355(0,4286) + 2,052(355) i '' + }z~ 0,2449 27 218,77 1– 0,078 = A = 355(0,4286) = 152 familias 85,54 Vz[ = J 6 {\ [V} = ' ' ESTIMACIÓN DE PROPORCIONES Y TOTALES EN CONGLOMERADOS (una etapa) ' estimador de a proporción de tota '3 = 6 miento de cong omerados desigua es, ya que cada familia se constituye en un conglomerado y el número &' = = ' Para e estimado de a proporción de mujeres se tendrá: p= Σa i Σm i p= Ps = p + t i número de mujeres total de personas [ [[ 1–f nm2 Ps = 0,6129 + 2,052 i m= Σm i n = p= Σa i2 _ 2 p Σaimi + p 2Σmi2 n–1 [ [[ 28 355 28(3,32)2 1– 57 = 3,32 93 57 = 0,6129 = 61,29% 93 [ 151 – 2(0,6129)(223) + (0,6129)2(351) 28 – 1 [ 0,6785 = 67,85% p s= 0,6129 + 2,052(0,032) = i 0,5473 = 54,73% '' \V [}~ 3 '3 w{ |V~ Y6 6$ wzz+ 6' &' z| `|~ '3 `[ zw~ Y6 % $ '3 6$+ &' ' 2 }z~ 6 ' % Y$ ' + $J En e estimati o de tota es ' 2 ' $9 www.FreeLibros.org As= Mp + tM i [ [[ 1–f nm2 Σa i2_ 2pΣaimi + p2Σmi2 n–1 [ M = total de personas en los 355 conglomerados . 698 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO ' 9 Q wzzw w[+ Q VV|{ V\ Q VV|} VV\` + 800,03 = 800 Asi = 1.179(0,6129) + 2,052(1.179) (0,032) Total de mujeres en las 355 familias 645,19 = 645 6$ wzz = ' J 6 &' ' 2 \\} '3 $ |[w 6 ESTIMATIVOS DE RAZONES COMO MÉTODO INDIRECTO PARA ESTIMAR PROMEDIOS Y TOTALES ' 42$9 '3 KY6 ' Y '3 wzz = _ 2 9 6 Estimado de la Ra ón9 '3 KY6 R= Σy i y ⇒ R = i = mujeres hombres Σx i xi R= Σy i 57 = = 1,58 36 Σx i N &' / '3 Y Y6 ' ''J 6$ 2$ V wz % R= ( yx ( + t 2 ' 2$ [ [[ 1–f nx2 R s = 1,58 + 2,052 I ' =$'9 Σy i 2 -2R Σyixi + R2Σxi2 n–1 [ [[ 1– 28 355 28(1,29)2 [ 151 – 2(1,58)(72) + (1,58)2(56) 28 – 1 * ' 63 Q V [{z| $ XQ V w} ' [ X[ R s = 1,58 + 2,052(0,2152) = I ' ' 6 2,02 1,14 N 6 = 9 (y( [ [[ 1–f n [ Σyi 2 -2 R Σyixi + R2Σxi2 [ ' 2$ ' ' - www.FreeLibros.org YR = x X + t Reemplazando, siendo x = 1,29 será: n–1 CAPÍTULO TRECE ALGUNOS MÉTODOS DE MUESTREO 699 28 2 Y R = (1,58)(1,29) + 2,052 151 – 2(1,58)(72) + (1,58) (56) 1– 355 28 – 1 YR = 2,04 + 0,57 28 2,61 Es el promedio de mujeres por familia. 1,47 * 6 '3 wzz = ' 2$9 2 y Σy i 2- 2R Σyixi + R Σxi2 YR = N x X + tN 1–f n n–1 ( ( [ [[ ' [ 924 YR = 355(2,04) + 355(0,57) = 724 + 200 Mujeres 524 ESTIMACIÓN DE PROMEDIOS Y TOTALES MEDIANTE LA REGRESIÓN N $ promedios tota es '2 regresión inea y una ra ón, son considerados como métodos indirectos de estimación regresión =' $ Y 6$ Y3+ '&' Y2 / &' ' $ / 6 N regresión 6 &' ' $ $ &' Y ' $ ' 6 @' Y 6 / ' 6 ='$ &' ' Y $ @ = 6 '$ ' ='$ ' ' recta parábo a e ponencia potencia 2 ='$ ' regresión inea simp e $ 6 ' N regresión ' ' 2 ' 2$ 4+ N 3 $ ' regresión inea entre dos 6 2 '&' ' 3' 6 % 2$ 2 ' 63 36 &' 3' 3 3' $J '2 $ J 6 6' ' 2 = ' &' / 6 ' ' índice abstracto denominado , 62 4[ ' [ X V X ¨ 4 ¨ V+ www.FreeLibros.org N '$ ¤ / ' 6 6 9 ¤ ' 6 63 ' ariab e (¥ = c + b 700 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO dependiente o predictando; ' 6 '/ '' y, denominada ariab e independiente o predictor es el $ $ ¤ $ 6 $ ¤ 6 c es el , denominado también origen de la ordenada y corresponde al seg 6 3 ¤ + ' @' ¤ 6 Y RL = c + bX ' 9 YRL = y + b(X _ x ) o Siendo Y 6 6 J X 6$ ' 6 '' J y y x 6 ' 6 ' ' 6 ' 9 Y = N yRL. tanto para el promedio como para el total, se puede obtener por diferentes ' ' 6 ' 9 mxy ΣZx Zy Σ(xi _ x )(yi _ y ) b = 2 = Covarianza = b= 2 _ 2 Varianza de x sx ΣΖ x Σ(xi x ) mxy = 6 b= Σxi yi _ x y n ' Siendo: (Covarianza) s2x = Σx2i _ n x 2 n (Varianza de la variable) ' b directamente n Σxi yi _ (Σxi)(Σyi) nΣxi2 _ (Σxi)2 b= ó Σxi yi _ n x y Σxi2 _ n x 2 &' ' ' $ c 6 '&' ' =$' 9 c= y _ x b c= $ Σyi _ bΣxi n 6 b y c Y método de os mínimos cuadrados, para ello se '2 ' ' 9 V+ £ Q nc + b£ i [+ £ i i = c£ i + b£ 2 i c ' ' $ $ 9 c+ 6- www.FreeLibros.org _ $ =$' 6 ' ' 2 ' 6$ wzz = ' ' '$ [{ CAPÍTULO TRECE ALGUNOS MÉTODOS DE MUESTREO 701 (x xi yi 2.700 1,920 880 860 1.840 1.860 1.260 2.060 1.700 960 1.890 1.110 1.980 1.790 812 630 510 506 620 716 520 780 895 520 576 620 586 760 Continúa yi xi 1.000 1.520 3.460 950 980 1.950 960 1.640 1.760 2.820 1.880 2.060 1.450 1.010 650 666 718 515 560 710 782 720 543 742 560 616 580 630 Σ xi = Σ yi = Σ x iyi = Σ x i2 = Σ y i2 = n = 46.250 18.043 30.686.590 87.416.300 11.923.031 28 x = 46.250 = 1.651,78 28 y = 18.043 = 644.39 28 Un primer método de cálculo de los FRH¿FLHQWHVGHUHJUHVLyQ ecuaciones normales Σyi = = nc + bΣ xi (2) Σxiyi = c Σ xi + bΣxi2 (2) (1) _ (2) 30.686.590 = 46.250 c + 87.416.300b "# $ %&"') c = 1.295.000 c + 2.447.656.400b = – 1.295.000 c – 2.139.062.500b = 0 308.593.900 b 859.224.520 834.488.750 24.735.770 b= sistema de Reemplazando: (1) 18.043 = 28c + 46.250 b (1) ! 24.735.770 308.593.900 = 0,080156 ≅ 0,0802 Ahora reemplazamos en la ecuación (1) (1) 18.043 = 28 c + 46.250 (0,0802) c = 18.043 – 46.250 (0,0802) = 511,9196 ≅ 511,92 28 Otros procedimientos de cálculo n Σxi yi _ (Σxi)(Σyi) nΣx 2i _ (Σxi)2 28(30.686.590) – (46.250)(18.043) = = 0,0802 (aprox.) 28(87.416.300) – (46.250)2 www.FreeLibros.org b= ⇒ b= 702 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO también: b= Σxi yi _ n x y Σx2i _ n x 2 ⇒ b= 30.686.590 – 28(1.651,79)(644,39) = 87.416.300 – 28(1.651,79)2 = 0,0802 (aprox.) c ov = Σxi y i _ x y ⇒ cov = 30.686.590 _ (1.651,79)(644,39) = n 28 b = cov 2 Sx = 31.552,68 (aprox.) 2 2 S x = Σxi 2 S2y = Σyi _ n _ n nx 2 ny 2 Siendo Y = bx + c _ 2 2 ⇒ Sx = 87.416.300 28(1.651,79) = 393.600,51 28 ⇒ Sy2 = _ 11.923.031 28(644,39)2 = 10.584,06 28 ⇒ Y= 0,0802(1.700) + 511,92 = 648,26 (gramos de consumo de carne) _ También: Y = b(x x ) + y ⇒ Y = 0,0802(1.700 _ 1.652) + 644,39 = 648,24 grs. * + +, -'. Y = yRL + t Y = 648,26 + 2,052 [ [[ 1–f n [ 1– 28 355 28 S2x [[ (1 – r 2) Varianza residual [ [ 10.584,06(1– 0,24) 681,64 gramos Y = 648,26 + 33,38 614,88 gramos / &%#"& 012)) / + correlación al cuadrado o FRH¿FLHQWHGHGHWHUPLQDFLyQ * 3" " [ nΣxi yi _ r2 = (Σxi)(Σ yi)] 2_ 2 [ nΣxi (Σxi) ][ nΣ yi2 _ (Σyi)2] r2 = [28(30.686.590) – (46.250)(18.043)]2 [28(87.416.300) – (46.250)2] [28(11.923.031) – (18.043)2] 2 = 0,24 www.FreeLibros.org CAPÍTULO TRECE ALGUNOS MÉTODOS DE MUESTREO 4 5 2 r2 = R2 = cov 2 2 ⇒ Sx Sy (31.547,32)2 = 0,24 (393.613,72)(10.584,06) r2 = 6 7 de la Varianza residual Y = yRL + t 2 syx = 703 s yx +, 1– n N n Σyi2 _ cΣyi _ bΣxi yi o n syx2 = sy2_ 2 cov(b) + b2sx2 4 83 3 8 /9:/8 + , 2 _ 2 2 _ s 2x= Σxi _ n x = Σ(xi _ x ) n 1 n 1 s 2y = s 2y = 10.976,07 sx2 = 408.178,31 8 varianza residual 2 syx = Σyi2 _ n y 2 Σ(yi _ y ) 2 = _ n _1 n 1 < n = " Σyi2 _ cΣyi _ bΣxi yi n _ 2 8 < 7 < 7 , - >'' <7 ? + 2 Y = N yRL + tN s y 242.396,69 Y = 355(648,26) + 2,062(355) 280,71 = 230.132,3 + 12.264,39 217.867,91 ESTIMACIÓN DE PROMEDIOS, PROPORCIONES Y TOTALES EN DOMINIO DE ESTUDIO www.FreeLibros.org 4 muestra o por errores en el análisis dominio de estudio ? 704 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO 3 $ "# >'' / , las familias propietarias de vivienda, sin tener en cuenta el ingreso de aquéllas que no son propietarias, el cual se constituye en error al hacer el análisis 8 No. de NÚMERO No. Ingresos NÚMERO INGRESOS DEorden ORDEN ALEATORIO Aleatorio (miles (miles $)$) 1 2 3 4 5 6 7 8 9 10 11 12 170 045 217 132 087 111 248 303 230 286 032 318 @ Total M F 3 2 5 3 5 3 3 4 2 5 2 2 1 1 2 2 1 1 1 1 1 1 1 1 2 1 3 1 4 2 2 3 1 4 1 1 2.700 1.920 860 1.260 2.060 1.110 1.980 3.460 980 1.950 960 1.760 +, -'. CONSUMO Consumo Traba- DIARIO de carne DE diario jando CARNEgr. gr. 2 2 1 1 2 2 2 3 1 2 1 1 812 630 506 520 780 620 586 718 560 710 732 543 @ @ / NÚMERO NúmeroDEdePERSONAS personas A 12> B 5 / B / $ &)) Solución: a) Ingreso promedio x= Σx i 21.000 = = 1.750 n 12 +, -'. s= _ 2 Σxi2 _ n x 2 = 43.453.400 _ 12(1.750) = 780,64 _ n 1 12 1 7 C "")1 _ s Xs = x + t 1– f n B f = Nn C "#E>'' C ))2i n N www.FreeLibros.org f= : fracción de muestreo 7 CAPÍTULO TRECE ALGUNOS MÉTODOS DE MUESTREO 705 X s = 1.750 + 2,201 780,64 1– 0,079 i 12 2.226,00 = $2.226.000 X s = 1.750 + 476,00 i 1.274,00 = $ 1.274.000 b) Ingreso total de las familias propietarias Xs = N1 x + t N1 s N 1 = 173 1– f n1 i [ Xs = 173(1.750) + 2,201 173(780,64) i 12 [[ <$ 12> n1 = 12 1 _ 12 173 f= n1 N1 [ 385.528,24 X = 302.750 + 82.778,24 (miles de $) 219.971,76 c) Total de ingresos de las familias propietarias, cuando no se conocen las familias propietarias en / , N C >'' $ $ * X= N = 266.250 (miles de $) ( Σxn ( = 355(21.000 28 ( i GAi C / 7 , s2 = s Σ xi 2 _ 2 nx = n–1 n C 1" , 43.453.400 _ 28 28 _ 1 ( 21.000 28 ( 2 = 1.026.051,85 = 1.026.051,85 = 1.012,94 Los límites de confianza del 95% para estimado del total serán: ( ( Σx Xs = N n i + t i N (n( _ Σxi2 _ n Σxi n 2 1 n 1– n N _ _ υ = n 1 = 28 1 α = 0,05 } t = 2,048 + 2,048 355(1.012,94) (21.000 [ 28 [ 28 ( www.FreeLibros.org Xs = 355 I 1 _ 28 355 706 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO 399.824,24 Xs = 266.250 + 133.574,24 (miles de $) I 132.675,76 7 7 * C 1"E"# C )%"#&H B N C )%"#&>'' C 1'" 4 s Xs = N x + tN 1– n N n 780,64 12 X = 152(1.750) + 2,201(152) 1 _ 12 152 338.354,58 X = 266.000 + 72.354,58 (miles de $) 193.645,42 d) Promedio de personas de familias propietarias de vivienda. x = Σx i n 8 media aritmética x = 39 = 3,25 12 8 desviación típica 7 _ 143 12(3,25)2 Σxi2 _ n x 2 = 1,22 s= = _ n _1 12 1 _ _ υ = n 1 = 12 1 = 11 α = 0,05 Los límites de confianza del 95% Xs = x + t s I n t = 2,201 1– f Xs = 3,25 + 2,201 1,22 I 12 1 _ 28 355 3,99 = 3,25 + 0,74 2,51 (Personas por familia) * total de personas, en las familias propietarias de vivienda, se presentan dos situaciones; en primer lugar, cuando se conoce el número de familias propietarias (N1 C 12> Xs = N1x + tN1 s i n1 1– f Xs = 173(3,25) + 2,201(173) 1,22 i 12 _ 12 = 562,25 + 129,36 1 173 691,61 = 692 432,89 = 433 Número de personas en las familias propietarias de vivienda. www.FreeLibros.org / 7 B ? CAPÍTULO TRECE ALGUNOS MÉTODOS DE MUESTREO Xs = 355 I ( 39 28 ( + 2,048(355) X s = 494,46 + 238,68 I 1,81 28 1 707 _ 28 355 733,14 ⇒ (733) Personas 225,78 ⇒ (256) _ s= 143 28(39/28)2 = 1,81 _ 28 1 / < número de familias propietarias, con un consumo diario de carne superior a los 600 gramos, en la muestra (n C 1" & 12> 7 pq 1– f n_1 As = N1 p + tN1 i ( ( As = 173 6 12 i + 2,201(173) ( 126 ( ( 126 ( 12 _ 1– 1 12 = 86,5 + 55,38 173 141,88 = 142 Familias 31,12 = 31 : B A A = Np = N ( Σan ( = 355 ( 286 ( = 76,07 i s p = pq = ( 286 ( ( 2228 ( As = Np + tN n _ 1 1– f i ( 28 ( + 2,048(355) As = 76,07 + 54,98 i = (0,21)(0,79) = 0,407 pq As = 355 6 i - (0,21)(0,79) _ 28 1 131,05 = 131 21,09 = 21 1– 12 173 ó }familias / estimador puntual &)) 7 #2 12> $ : B 2& < - www.FreeLibros.org 708 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO EJERCICIOS PARA RESOLVER 8 $ en Línea SIL. Sistema de Información "2 / , < >2") + K >) 5 No. Personal PERSONAL empleado EMPLEADO 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 4 2 3 5 2 3 6 8 2 5 6 2 4 6 3 2 2 3 4 2 4 6 2 3 2 3 4 5 2 3 Sexo SEXO H M 2 2 1 2 0 0 2 2 2 3 3 1 2 2 1 0 1 1 1 2 1 2 1 2 0 1 1 2 1 2 Venta Propiedad Actividad Personal PERSONAL VENTA PROPIEDAD ACTIVIDAD SEMANAL semanal local comercial afiliado al AFILIADO COMERCIAL (Millones $) (Millones $) LOCAL AL Seguro SEGURO 2 0 2 3 2 3 4 6 0 2 3 1 2 4 2 2 1 2 3 0 3 4 1 1 2 2 3 3 1 1 37,8 22,3 28,4 49,6 19,6 27,4 42,6 51,4 23,6 42,5 51,4 30,6 34,5 48,6 31,4 18,6 19,7 27,6 38,4 19,3 41,4 53,6 42,5 20,6 32,8 31,6 42,5 53,4 23,6 32,5 si no si no no si si no no si no no si si no no si si si no no si si si si no si no si no alm.telas fama* tienda almacén tienda tienda panadería almacén tienda tienda almacén tienda papelería almacén tienda droguería fama* licores tienda tienda almacén almacén tienda licores tienda droguería papelería almacén fama* tienda 3 0 1 5 0 1 4 6 0 3 5 0 2 4 1 0 2 0 0 1 3 3 2 3 0 0 2 4 2 2 L M / 5 0 $ "# : "2 $ 4@/NK6 $ "- : "2 < $ >) : "2 >1 : "2 $ $ + www.FreeLibros.org CAPÍTULO TRECE ALGUNOS MÉTODOS DE MUESTREO >" : "2 $ 709 >> ! 3 "2 $ ># 9C ># + -'. >% / 0 4@/NK6 + -'. >' K ")11 A A 1'))) K >' 5 + B H B + AH <$ 5 B ?H <$ B ? 8 NO. DE ORDEN PROPIETARIO VIVIENDA NÚMERO PERSONAS NÚMERO VISITARON MÉDICO VISIT. ODONTÓLOGO Hombres Si No Si No 1 " 3 % ' & 2 # 10 11 1" 13 1% 1' 1& 12 1# 1") "1 "" "> "% "' "& "2 "# "30 31 >" 33 >% >' si no si si si no si no no no si no no si no si no no no no si no sí no no sí si si no no si no si si no ' & 3 3 " 3 3 3 % % 3 " 2 % 3 % % % 3 3 % 3 3 1 " % 3 % " % 3 ' 1 " 3 1 3 1 1 1 1 1 1 " 3 " 1 3 3 " 3 1 1 " 1 1 " 1 0 1 " 1 3 0 " 1 % 1 0 3 % 3 " " 1 " " " " 1 1 1 % 1 1 1 3 3 1 " 3 1 " 1 1 " " 1 " " " 1 0 " 0 ' 0 1 3 0 0 0 0 0 0 " 0 % % 1 % 0 " 1 3 % 0 0 0 " " 1 " 1 1 " 3 0 0 1 0 & " 0 " 3 3 3 % % 1 " 3 0 " 0 % " " 0 0 3 3 1 0 " " " 1 3 1 " 1 " " 1 0 1 " 0 0 1 1 1 0 1 0 " 1 0 1 % 1 1 0 1 0 1 0 " 1 1 1 0 " 0 3 1 1 " % & " 1 " 3 " " 3 % " " ' 3 3 3 0 3 " 3 3 3 " 1 0 3 " 3 " " 3 " 0 1 1 G - 112 '& &1 %- 2) >% #> www.FreeLibros.org 710 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO $ + * * 4 NB +, -'. >& : >' 3, 5 yi $ 5 * 5 * >2 , 1) 8 "% 1# 1% "& ") xi "" 1- "" 12 K / + +, -'. 6 1. R + "" S 7 '))) ") R 5 S ># K , 1)))) % > " % % % > > > > % > 2 " " > % & " ' A 1 > > > > % ") ? %) / B % ' > & > > % " % " & 1 ' % T : < 5 V 1). N W 3 $ >- 6 5 H , >& N C >& , X" A 1>%'> 6 7 V" +, -'. Y 1" n R/ 7 S %) Y 2))) 2))H %#) ") ? Z ") ? $ + +, --. %1 ") i C & # > ' 1) & 1" # & 2 " & # 2 1) 1" ' # " % www.FreeLibros.org Información adicional: G Yi C 1>' K ? GYi" C 1)&- " $ +, -'. CAPÍTULO TRECE ALGUNOS MÉTODOS DE MUESTREO 711 Y, B ? $ + +, -'. %" K %&# 1)) '% B $ %& 8 $ 9 + B $ B :Z8/[@Z *B * n '% %& yi >1"#1 1>2)2 yi2 "-##1"1&>&&2#' , +, -'. xi2 111)-) >>11- xi ")"% 1)2' B xi yi 12"->%%>1)%1 $ B %> K 1)))) !6 >)) 1") K $ $ , +, -). %% Y , , >)) ? %) ? B , ? 8 N K/ *@/W6 :63@6K6 N ? M N? 0 1" # % 1 & 3 3 " # ' 3 3 " 1 1 % " 0 " ' 3 " 1 & " 1 1 2 1 1 0 # 1 1 0 " 1 1 10 1 0 1 / , ? 8 ? , / ? , %' : %% / + +, --. : %) ? , $ ? , ? V " $ ? #. / +, -'. %& / %# , 6 B $ < 8 FAMILIAS Familia: 1 2 3 4 5 6 7 8 9 ") 10 www.FreeLibros.org yi : xi : 3 1 5 2 6 2 5 3 5 2 3 2 4 1 3 2 5 4 3 2 712 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO FAMILIAS Familia: yi : xi : 1 2 3 4 5 6 7 8 9 10 3 1 5 2 6 2 5 3 5 2 3 2 4 1 3 2 5 4 3 2 N C "))) yi = Número de personas por familia xi C NB < ] +, -'. B < 9 C " B < >')) R 7 < ,S R:7 S %2 : , "' $ 0 , $ +, --. Gxi C %)' Gyi C 1#> Gxi2 C ""&#2 N C >)) Gyi2 C %1'2 Gxi yi C -&1" %# Y < de cierta marca de aceite, tiene como media 30 cm3 8 A normas (cm3 ") "' >' "' ' >) ") %) 1' >' ") "' / , +, -'. R/ < + '.S "# 3 R 5 S %- < >& 6 xi = Contenido de nicotina de un cigarrillo, medido en miligramos Σ(xi – x)2 = 315 miligramos x = 576 miligramos Z +, --. ') / , >))) < H ". $ 1. < , %' $ &'. $ ' $ 1). R^5 ? S '1 / 1') Y 1' $ Familias FAMILIAS Ingreso INGRESOS (millones de $) Propietarios PROPIETARIOS www.FreeLibros.org 1 2 3 4 5,0 3,5 4,0 2,5 si si si no Continúa... CAPÍTULO TRECE ALGUNOS MÉTODOS DE MUESTREO Continuación 5 6 7 8 9 10 11 12 13 14 15 , 3,5 4,0 2,0 2,5 1,5 3,0 4,2 2,8 3,6 1,8 2,6 713 si si no no no no si no si no no / $ + @ @ @ +, -'. '" : @ @ * '1 A ') B '> : NB * NB * '1 "' 0 "' 0 >2 0 '% , $ 0 5 , A Xi < ' ? 8 xi : 900 800 600 500 500 800 600 yi : 2.500 2.000 2.700 1.800 3.000 2.500 2.000 X = 210.000 N = 400 Se pide estimar Y; Y y R fijando límites del 95% para los estimadores. '' , 12 ? $ $ B 8 NÚMERO Número DE de FAMILIAS Familias PERSONAS 1 2 3 4 Personas INGRESOS Ingreso (miles (miles$)$) 2 3 3 5 2.620 1.840 1.930 1.450 GASTOS Gastos EN enALIMENTOS alimentos SUSCRIPCIÓN Suscripción INCLUIDOS incluidos SERVICIOS servicios PERIÓDICO periódico (miles $) $) 820 960 1.010 760 si no no no www.FreeLibros.org Continúa... 714 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO Continuación 5 6 7 8 9 10 11 12 13 14 15 16 17 4 7 2 4 2 5 3 6 4 4 2 5 3 2.620 3.010 2.420 2.620 2.210 2.060 2.420 2.030 1.860 1.520 1.790 1.940 2.820 1.220 1.130 1.040 1.230 1.020 1.020 1.130 840 760 780 790 830 1.140 si si no no si no no no si no no no si 1")) * [ * / + +, -'. '& , 5 : , 1) $ APTITUD PRODUCTIVIDAD "> 1" "# 12 >) ") >" 1# >) ") >& "% ># "> >" ") >% "' >& / x C ") -'. / -'. N C ')) : + '2 : Gxi C 12% 5 Gyi C >%) Gxi2 C 1&"& ") n C ") Gyi2 C '-)% Gxi yiC>)&" a) Estimar YRL, fijando límites de confianza del 90%, siendo x = 12 b) Estimar YRL, fijando límites de confianza del 90%, siendo N = 300 '# 8 5 $ ? >) xi: yi: 2 1 2 2 4 3 6 1 6 2 6 3 7 2 7 4 ni 2 8 5 4 3 2 4 2 5 / 5 x = 5,8 / 5 N C ')) www.FreeLibros.org CAPÍTULO TRECE ALGUNOS MÉTODOS DE MUESTREO '- : N '& R, YR, YR f+ C * $ 9 C 6 &) T R, YR, YR f$ $ '# 715 +, -). +, -'. '2 &1 ? "))) $ + $ : $ "))) $ >) K >) B existencia y luego determina el costo por artículo, multiplicando el número de unidades existentes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www.FreeLibros.org K B 716 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO 68!6:`N M@@46N4/ *Z3 TZ36 1 1# " "& > >) % %1 ' "> & %" 2 "# # >1 %& 1) %" 68!6:`N M@@46N4/ *Z3 TZ36 11 %) 1" >& 1> "' 1% "# 1' >& 1& >' 12 ># 1# %" 1%) ") >- T B , ? ") B < 68!6:`N M@@46N4/ *Z3 TZ36 1 "1 " >& > %" % '& ' "# & &) 2 >% # %" '# 1) >& 68!6:`N M@@46N4/ *Z3 TZ36 11 %# 1" '% 1> >& 1% %" 1' &> 1& '1 12 2) 1# &# 1'& ") '% B "))) >2& / < , / < , 6 &% : 8 B < ') / 7 ') < N + +, -'. &' / $ ? A #)) CON BAÑO SI NO 8Z:68 *3Z*@Z "%1 >- 8Z:68 633/NK6KZ %)111 : $ +, -'. / $ ? 4 $ ? &%)) B $ ? && : 1" ? # www.FreeLibros.org /46w8/:@!@/N4Z 1 " > % ' & 2 # - 1) 11 1" No /!*8/6KZ 2 & ' % 2 & ' % 2 2 ' % CAPÍTULO TRECE ALGUNOS MÉTODOS DE MUESTREO /!*8/6K :ZN !/NZ K/ ' 6zZ K/ /3M@:@Z 6863@Z *3Z!/K@Z 0 +, / / > " &&%# -2"' > ) " " 1 > % > " > #2)& 1-)") 1#>)) -#') -#)) 22%& #&'> 2&#% -#&" #%#) "))) $ -'. 7 ' 7 ' ? &2 : / / 717 &# Y A 0 / A 1))) A : A A : A 1))) $ , +, -'. Artículo No.NZ 634_:Y8Z : 1 2 3 4 5 Cant. Revisada :6N4 3/M@6K6: 1.750 2.950 680 740 Cant. Registrada : 2.100 :6N4 3/[@436K6 3.050 910 820 6 7 8 9 10 11 12 13 14 1.280 2.410 3.620 720 590 1.120 1.180 2.100 2.400 2.100 1.400 2.500 3.840 800 820 1.400 1.240 2.300 2.600 2.300 &- : N &# 1))) 01')) + +, -'. * 2) : Σxi = 1.031,7 Σxi2 = 106.818,03 N = 500 Σxiyi = 128.762,51 Σyi = 1.250,6 Σyi2 = 156.749,88 n = 10 X = 105 / / , 5 $ 5 21 : "# 5 $ , @ $ "# www.FreeLibros.org 718 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO NÚMERO DE ORDEN 1 " 3 % ' & 2 # 10 11 1" 13 1% 1' 1& 12 1# 1") "1 "" "> "% "' "& "2 "# NÚMERO ALEATORIO 12) )%' 1#& "12 )2& "1> 1>" )#2 ))& 1&> >1" 111 "%# )1# )-& ""% 303 1-& ">) "#& )>" 1#& >1# ))1%% "') )>& )-' INGRESO MENSUAL (miles $) CENSO Xi MUESTRA yi 1&%) "2)) 1>1) 1-") '") ##) '#) #&) 1">) 1#%) 1>") 1#&) #%) 1"&) 1>-) ")&) 1")) 12)) 2&) -&) 1%') 1#-) 2>) 111) 1%") 1-#) 11&) 12-) 2') 1))) -") 1'") "1%) >%&) 2") -') &&) -#) 1%%) 1-') &#) -&) 1"') 1&%) 11&) 12&) "%)) "#") 1%)) 1##) 1>') ")&) 1)&) 1%') 2>) 1)1) GX i" C / R $ + -'. / YR $ + -'. / YR $ + -'. MUESTREO ALEATORIO ESTRATIFICADO MAE / 0XHVWUHR$OHDWRULR(VWUDWL¿FDGR, denominado también muestreo aleatorio restringido, es un método 7 + muestreo aleatorio simple, en ? PXHVWUHRDOHDWRULRHVWUDWL¿FDGR www.FreeLibros.org 719 CAPÍTULO TRECE ALGUNOS MÉTODOS DE MUESTREO / PXHVWUDDOHDWRULDHVWUDWL¿FDGD < 5 / estratos, donde la / estrato dominio de estudio $ 8 estratos B de muestreo (f = n/N $ , Al conformar los estratos, lo primero que se debe considerar, siempre que sea posible, es la caracte 5 $ < 8 $ + + / + Una mayor precisión en los estimadores, a pesar de ser menor el número de unidades [, representatividad y una reducción del error 7 8 H 7 errores de muestreo que resultan de una muestra aleatoria simple, serán mayores que los de la muestra + ? 6 + $ 7 K $ , $ $ , K < 5 7 < 5 M Y + 7 , 7 < 5 B * + 7 + , 7 7 < ! <$ 8 7 7 ? $ , * 7 , 5 www.FreeLibros.org 720 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO Muestras de igual tamaño, denominada también D¿MDFLyQ LJXDO, consistiendo en B 0XHVWUDV GH DVLJQDFLyQ R D¿MDFLyQ SURSRUFLRQDO ? cada estrato, tendrán un número de unidades en forma proporcional a las de los estratos 0XHVWUDVGHDVLJQDFLyQRD¿MDFLyQySWLPD $ ? 7 $ Simbología / 0XHVWUHR$OHDWRULR(VWUDWL¿FDGR , N C 4 $ N< C 4 h C @ + h 1 " > < 8 N1 N" N3 7 tamaños poblacionales 1 " > GNh = N = N1 + N" + N3 + …NL = N Y¯h = Media aritmética poblacional para cada estrato ¯ h = ΣYhi ⇒ Y Nh ΣY2i ΣY 1i ¯1 = Y N1 ¯2 = Y N2 ¯3 = Y ΣY3i N3 ¯ st = Media aritmética poblacional estratificada ponderada. Y ¯st = Y ¯ h Nh ΣY N ¯h Wh Y ¯st = ΣY Wh = Proporción de elementos en cada estrato Wh = Nh N ⇒ W1 = N1 N W2 = N2 N W3 = N3 N ΣWh = W1 +W2 +W2 + ...W, = 1 www.FreeLibros.org S2h = Varianza poblacional en cada estrato S2h = ΣYhi2 - NhY¯h2 Nh - 1 CAPÍTULO TRECE ALGUNOS MÉTODOS DE MUESTREO 721 n = Número de unidades que contiene la muestra total. nh = Número de unidades que contiene la muestra en cada estrato muestral. Σ nh = n = n1 + n2 + n3 + … y¯h = Media aritmética muestral para cada estrato. y¯h = Σyhi nh Σy1i ⇒ ¯y 1 = n1 Σy2i ¯y2 = n 2 ¯y3 = Σy3i n3 y¯st = Media aritmética muestral estratificada. ¯yst = ΣNh yh N o y¯st = Σy¯hWh S2h = Varianza muestral en cada estrato 2 2sh2= Σyhi nhyhi nh - 1 K $ < < 5 7 $VLJQDFLyQRD¿MDFLyQLJXDO $VLJQDFLyQRD¿MDFLyQSURSRUFLRQDO $VLJQDFLyQRD¿MDFLyQySWLPD ASIGNACIÓN IGUAL < < n1 = n" = n3 5 ? 6 ? < < < , + >'' / < + 7 7 >'' 8 + < A Estrato I Ingresos mensuales menores a $ 1.650.000. Estrato II Ingresos mensuales entre $ 1.650.000 y $ 2.500.000. Estrato III Ingresos mensuales superiores a $ 2.500.000. En la Tabla 13.2 que se encuentra en el Sistema de Información en Línea SIL, presentamos la www.FreeLibros.org 722 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO Cálculo de los tamaños muestrales M / A , <$ , ? %. ? < Muestreo Aleatorio Simple, sabiendo que en la mayoría de los casos son ~ 14 familias npreliminar = 0,04(355) = 14,2 = Aplicando el método de asignación igual, donde n1 = n2 = n,3 se tendrá: nh = npreliminar 14 ~ = = 4,67 = 5 L 3 n2 = 5 n1 = 5 L = número de estratos = 3 n3 = 5 npreliminar = 15 : ? ' , B Estrato I (Ingresos menores a 1.650 miles $) No. DE ORDEN 1 2 3 4 5 ALEATORIO INGRESO MENSUAL (Miles $) PROPIEDAD VIVIENDA 136 008 052 036 111 1.460 790 1.560 790 1.450 si si no no si No. NÚMERO DE PERSONAS Total Hombres Mujeres Trabajan 3 2 4 1 2 2 0 3 0 1 1 2 1 1 1 1 1 1 1 1 CONSUMO DIARIO DE CARNE EN grs 508 680 720 580 632 Estrato II (Ingresos entre 1.650 y 2.500 miles $) No. DE ORDEN ALEATORIO 1 2 3 4 5 028 126 096 056 088 No. INGRESO MENSUAL (Miles $) 2.050 2.050 1.930 2.080 1.960 PROPIEDAD VIVIENDA NÚMERO DE PERSONAS Total Hombres Mujeres Trabajan CONSUMO DIARIO DE CARNE EN grs si 3 2 1 2 630 si si no no 3 2 3 3 2 0 1 1 1 2 2 2 2 2 2 2 630 650 638 584 Estrato III (Ingresos superiores a 2.500 miles $) No. DE ORDEN ALEATORIO No. 1 2 3 4 5 23 55 09 18 46 INGRESO MENSUAL (Miles $) 2.730 2.960 3.950 3.230 2.936 PROPIEDAD VIVIENDA si no no si si NÚMERO DE PERSONAS Total Hombres Mujeres Trabajan 3 2 5 7 3 1 1 2 2 1 2 1 3 5 2 2 2 3 3 2 CONSUMO DIARIO DE CARNE EN grs 816 555 680 744 686 www.FreeLibros.org CAPÍTULO TRECE ALGUNOS MÉTODOS DE MUESTREO 723 A continuación, calculamos la varianza y la media del ingreso por familia en cada uno de los estratos. x¯2 = 2.014 ¯x1 = 1.210 s 21 s 22 = 148.850 s1 = 385,8 x¯3 = 3.161,2 s 23 = 226.017,2 = 4.330 s2 = 65,0 n1 = 5 n2 =5 s3 = 475,41 n3 = 5 La media aritmética estratificada será igual a: x¯st = Wh x¯h = 0,46 (1.210) + 0,37 (2.014) + 0,17 (3.161,2) = 1.839,18 (miles de $) Supongamos que el investigador establece de acuerdo a su experiencia, que el error (E) debe ser igual al 5% de ¯ xst y la confianza del 95%, es decir, z = 1,96 2 2 ( ( = (91,96 1,96 ( = 2.201,33 E V= z E = 0,05(1.839,18) = 91,96 El número de unidades en cada estrato poblacional es: N1 = 162 Estrato I: Estrato II: N2 = 132 Estrato III: N3 = 61 Nh = N1 + N2 + N3 = 162 + 132 + 61 = 355 Nh = N = 355 La proporción de unidades en cada uno de los estratos poblacionales es: W1 = W3 = N 1 162 ~ = 355 = 0,4563 = 0,46 ó 46% N N3 W2= N2 132 ~ = 355 = 0,3718 = 0,37 ó 37% N 61 = 355 = 0,1718 ~ = 0,17 ó 17% N * ? + , método de DVLJQDFLyQRD¿MDFLyQLJXDO / promedio de ingresos 2 2 no Σ WVhS h Y n= no ΣWh2Sh IENDO V %2 E z V no n No z V 91,96 4AMBI£N SE PUEDE CALCULAR MEDIANTE n 1,96 NZ2ΣWhSh2 NE2+ZΣWhSh2 ,A CONFIANZA ES CONSIDERADA DEL O SEA ] no 2 V ΣWhSh no ; ; ; = www.FreeLibros.org n no n o N FAMILIAS 6I n NZ2ΣWhSh2 NE2+ZΣWhS2h 724 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO ; = FAMILIAS ; = n n nh nn Y LOS TAMA®OS MUESTRALES EN CADA ESTRATO SERÖN , n n1 + n2+ n3 n1 n2 n3 / proporciones , , 7 nh N C 4 ? Ah C GAh C NB i Ph C * Ph i Σ Ahi P 1 N Σ A 1i N1 P 2 Σ A 2i SP2 6ARIANZA EN LOS ESTRATOS POBLACIONALES SP2 PhQh h N3 S P2 P1 Q1 1 h Σ A 3i P 3 N2 S2P =P2 Q2 2 3 SP =P3 Q3 3 n 4AMA®O DE LA MUESTRA Σahi .¢MERO DE UNIDADES QUE PRESENTA LA CARACTER¤STICAEN EL ESTRATO MUESTRAL p Σ a hi h p1 n Σ a 1i a 1 n1 n1 p 2 Pst 0ROPORCIN POBLACIONAL ESTRATIFICADA pst Pst 0ROPORCIN MUESTRAL ESTRATIFICADA Σ a 3i a3 p 3 n3 n3 Σ a 2i a2 n2 n2 Σ N hP h N Pst Σ N p h h N Pst ΣWhPh pst ΣWh ph K < ? , $ $ , : 5 1' 7 p1 p2 p3 (VFOINCIDENCIAL EL HECHO QUE LAS PROPORCIONES SEAN IGUALES PARA LOS TRES ESTRATOS !DEMÖS SE SABE QUE www.FreeLibros.org 7 z 7 % 7 . T . T . T . CAPÍTULO TRECE ALGUNOS MÉTODOS DE MUESTREO 725 / / n en los estimativos de una proporción, con un error del 10% y una +, -'. no Σ Wh Ph Qh (E/Z)2 6IENDO n o ; n no no N n ^ FAMILIAS = 6< p1 = p" = p3 C )') ? H 7 1). $ +, -'. 7 n 7A - n ^ FAMILIAS n o ; = 4AMBI£N PODEMOS CALCULARn MEDIANTE LA FRMULA 7 N Z 2 7h Ph Qh NE 2+Z 2Σ W hP hQ h 6EÖMOSLO ; = n ; = FAMILIAS / A ! / ? n >& + , $ + 4 +, -'. $ + +, Siendo n C >& 5 + n h n ⇒ n1 L n2 7 n3 K ? <7 + ? - n www.FreeLibros.org 726 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO MUESTRA ASIGNACIÓN IGUAL Estrato I (Ingresos inferiores a 1.650 miles $) NÚMERO DE ORDEN NÚMERO ALEATORIO INGRESO MENSUAL (miles $) PROPIEDAD VIVIENDA 1 1'1 1">) no 3 " 1 1 &)' " ))# 2-) si " 0 " 1 &#) 3 033 2-) si 3 " 1 1 &)) % 1"" 1"&) no % " " 1 '") ' )2& 1"&) no 3 1 " 1 '1& & )#" #&) no " 1 1 1 '1) 2 131 2-) no 3 " 1 1 ')- # )-& 11>) si & " % 1 2)) - )%# #-) si " 1 1 1 2") 10 )'' 1)") no 1 1 0 1 '>) 11 )1# #&) no 1 0 1 1 '1) 1" )2& 1"&) no 3 1 " 1 '1& NÚMERO DE PERSONAS Total Hombres " CONSUMO DIARIO DE CARNE EN Grs. Estrato II (Ingresos entre 1.650 y 2.500 miles $) NÚMERO DE ORDEN NÚMERO ALEATORIO INGRESO MENSUAL (miles $) PROPIEDAD VIVIENDA 1 )") 1##) " )%# 3 NÚMERO DE PERSONAS CONSUMO DIARIO DE CARNE EN Grs. Total Hombres no 3 1 " " ##) 1-%) si % 3 1 1 '>& 111 ")') si % " " " 2>% % 1"% ">&) si % " " " 21& ' )2& "1%) si % " " " 21& & 001 1#&) si ' 3 " " 2#- 2 )>" 1#&) si ' " 3 " 2'2 # )#& 12") no ' 3 " " '#% - 11& 12>) no 3 1 " " &1" 10 )-% 1--) no % " " " '>" " www.FreeLibros.org 11 )>' 1->) si % " " " '") 1" )"" 1#2) no " " 0 " '") CAPÍTULO TRECE ALGUNOS MÉTODOS DE MUESTREO Estrato III 727 (Ingresos superiores a 2.550 miles $) NÚMERO DE ORDEN NÚMERO ALEATORIO INGRESO MENSUAL (miles $) PROPIEDAD VIVIENDA 1 "' "&#) si " 1 1 " 2&) " '1 "##) si " 1 1 " 2"% 3 '# "#&) si 3 1 " 3 '1) % >& >#-) no 3 1 " 3 #)" ' )# "&") si ' " 3 3 &") & )' >1>) no ' " 3 3 #&# 2 11 "#-) no % " " " 22) # "- "#2) si 3 1 " " ''' - >2 "-2) no 3 1 " " 2-% 10 %% >#&) si 3 1 " 3 #>) 11 1- %-&) si & " % % 2)) 1" ') "-#) no 3 " 1 " &)) NÚMERO DE PERSONAS Total Hombres 6< selección , B : B 5 ))1 $ 1&"H @@@ )1 $ &1 < < : 4 , $ " CONSUMO DIARIO DE CARNE EN Grs. /9:/8 4 1" $ <7 @@ ))1 $ 1>" $ + +, Estimación de promedios y totales : $ x x Σx I n x Σx I n Σx I n 8 desviaciones típicas muestrales ? ΣxI nx s n 7 s www.FreeLibros.org N 728 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO ΣxI nx n s ΣxI nx s n s s ,A 0HGLDPXHVWUDOHVWUDWLILFDGDSERÖ GUAL A ¯xST ΣWhxh ,A FRMULA PARA FIJAR LOS L¤MITES DE CONFIANZA PARA EL PROMEDIO ES Xst x¯ st Õ t ; S H ΣN N n h h h n N h 8st Õ ; ; ; 8 STS Õ I !L FIJAR LOS OtPLWHVGHFRQILDQ]D DEL PARA EL PROMEDIO EL VALOR DE t SERÖ υ n + n + n 0ARA υ Y α SE TENDRÖ QUE / estimativos de totales Xsts Nx st Õ t J s si 7 nh V;xst= ΣNh Nh - nh = 162(162 − 12) +, -'. ΣNh Nh nh S H / estimador de la varianza [ xs ] t S H nh 41.353, 25 31.321, 47 467.504, 45 + 132(132 − 12) + 61(61 − 12) = 241.532.238, 5 12 12 12 = 355(1.731, 4) ± 2, 035 241.532.238, 5 646.273, 56 ≅ $ 646.273.560, 7 583.020, 44 ≅ $583.020.439, 3 www.FreeLibros.org : promedios, proporciones, razones y proporciones en conglomerados + +, CAPÍTULO TRECE ALGUNOS MÉTODOS DE MUESTREO / estimador de la Varianza + ? f V;x st= n ; ; ? f n ; ; ⇒ SIENDO Xst xst Õ t ;ΣWh sh = 729 ;ΣWh sh = 6EAMOS CMOSE CALCULA TOMANDO LOS ANTERIORES RESULTADOS MUESTRALES ? ; = V;xst= MILES DE X st Õ ; ; 8 9 $ 7 A 6 estimador de la Varianza V;xst= Σ; W hs h ?f h nh ; ⇒ SIENDO Xst x st Õ t h ; ;; ; ?fh h h ;; ; ; ; Σ ; Wn s ? V;xst= ;; ; ; ? ? * 7 promedio y total de personas por familia x x xst ; V; x st = Xsts Õ i x 3 3 , 3 PERSONAS POR FAMILIA ^ ; 0ROMEDIO DE PERSONAS ^ Xst Õ 4OTAL DE PERSONAS $ + +, -'. consumo promedio y total de carne 7 x x x S S S xst GRAMOS DE CARNE DIARIA www.FreeLibros.org V;xst= ; ; 730 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO Xsts Õ ROMEDIO DIARIO DE CONSUMO DE CARNE i 4OTAL DE CONSUMO PARA LAS FAMILIAS Xsts Õ i Estimación de una proporción y total 6 5 7 p p Σ AI n Σ A I n >& $ ^ ^ Σ A I ^ p n st 3IENDO Σ N hp h ΣWh ph N pst C )%&)>>)>2)'#)12)'# C )%&' %&'. * estimador de la varianza en la proporción 7 V ;Pst= N ; p hq h ΣNh(Nh-nh) n h ; , H N 3IENDO Pst = pst Õ t ; p hq h ΣNh(Nh-nh) nh ; ; ; V;P st= 4 5 V;P st= ; ; nf n 3IENDO Pst= pst ± t ;ΣWh ph qh= segundo procedimiento, como se ; ; nf n ;ΣWh ph qh= ; ; n ; = y por el tercer procedimiento 7 , 7 V;Pst= Whp h q h V;Pst= Σ n fh nh 3IENDO Pst= pst ± t Σ ; W h p hq h nh ; ;n fh= www.FreeLibros.org V;Pst= ; ;; ; ; n ;; ; ; n ;; ; n CAPÍTULO TRECE ALGUNOS MÉTODOS DE MUESTREO 8 OtPLWHVGHFRQ¿DQ]D -'. proporción de familias con vivienda Psts = pst ± t V;P i Psts Õ ST= i y los OtPLWHVGHFRQ¿DQ]D -'. total de familias con vivienda i Asts Õ ST= i 7 FAMILIAS CON VIVIENDA 7 Asts=Npst ± tN V ;P 731 FAMILIAS CON VIVIENDA Estimación para la razón, promedio y el total / HVWLPDGRUGHODUD]yQHQHOPXHVWUHRDOHDWRULRHVWUDWL¿FDGR razón separada, ya que ésta se obtiene en forma y2 y y1 y h 2AZNPARA CADA ESTRATO R2 R3 3 R1 R h x1 x2 x3 x h 8 razón separada y Rsst= ΣWh h x h / + 7 = ΣRhWh y st R cst= x st razón combinada x st= ΣWh x h y st=ΣWh y h / estimador de la varianza V;Rs = Σ st V;Rc = Σ st n fh ; ; nh xh2 n fh ; ; nh xh2 ;sy2 - Rh ρh syh sxh + Rh2 sx2h = 0ARA LA RAZNSEPARADA ;sy2 - Rc ρh sxh syh + Rc sx2h = 0ARA LA RAZNCOMBINADA h h * 5 >& $ , <$ < A $ $ 8 medias aritméticas, < x ΣxI n1 $ ΣxI ¯x 7 ΣxI x www.FreeLibros.org 18 ¯\1 = 12 =1,5 22 ¯\ 2= 12 =1,83 25 ¯\3 = 12 = 2,08 732 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO Mujeres Rh = 5D]yQHVWLPDGDHQFDGDHVWUDWR = Hombres ¯\ 1 1,5 5 1= [ = = 1,2 ¯ 1 1,25 ¯\ 2 1,83 ~ 5 2= [ = = 0,88 ¯ 2 2,08 / 7 Razón separada 5VVW Σ:K5K ¯\ 3 2,08 5 3= [ = = 1,46 ¯ 3 1,42 7 5VVW 0,46(1,2)+0,37(0,88)+0,17(1,46) = 1,13 8 2 < <$ # Rc = 5D]yQFRPELQDGD h ¯\VW 0,46(1,5)+0,37(1,83)+0,17(2,08) = 1,7207 \¯VW 1,7207 = 1,085 5 FVW = [ = ¯VW 1,586 ¯[VW 0,46(1,25)+0,37(2,08)+0,17(1,42) = 1,586 / 7 estimador de la varianza de los dos casos anteriores, se requieren algunas opera 8 desviaciones típicas y las varianzas x V[ = 0,75 V[22= 0,45 V[ = 0,67 V[ 3= 0,51 2 1 V2[ = 0,57 1 N V[2 = 0,27 3 8 desviaciones típicas y las varianzas y V\ = 1 V\ = 0,72 / ȡ < ρK V\ = 0,90 3 2 1 G[K G\ ρ G[ ρ 1 G\ V\2 = 0,52 V\2 = 0,81 2 1 h 8 V\2 = 1 3 G[ G[ ρ 2 G\ 2 1 3 G\ 3 RH¿FLHQWHVGHYDULDFLyQde dxh y dyh V [ 0,75 G[1= [ 1 = = 0,6 ¯ 1 1,25 V [ 0,67 G[ 2 = [ 2 = = 0,32 ¯ 2 2,08 V[ 0,51 = 0,36 G[3= [ 3 = ¯3 1,42 V\1 1 G\ = \ = = 0,67 ¯ 1 1,5 V\2 0,72 G\ = \ = = 0,39 ¯ 2 1,83 V\ 3 0,9 = 0,43 G\ = \ = ¯3 2,08 1 ρ1= G [ 1 = 0,6 = 0,44 G\1 2(0,67) 2 ρ2 = G [2 0,32 G\2 = 2(0,39) = 0,41 8 fracciones de muestreo 7 Q2 Q1 12 12 I 1= = = 0,074 I 2= = = 0,09 1 1 162 1 2 132 3 ρ3 = G [3 0,36 G \3 = 2(0,43) = 0,42 www.FreeLibros.org I 3= Q3 13 = 12 61 = 0,20 CAPÍTULO TRECE ALGUNOS MÉTODOS DE MUESTREO : 733 7 < 7 estimadores de la Varianza / estimador de la varianza o error de estimación al cuadrado para el método de la Razón Separada 95V Ö = 1 0,074 1 2(1,2)(0,44)(0,75)(1)+1,22(0,57) + 12(1,25) 2 95V= 1 0,09 0,52 2(0,9)(0,41)(0,67)(0,72)+0,92(0,45) + 12(2,08) 2 95V= 1 0,20 0,81 2(1,46)(0,42)(0,51)(0,9)+1,462(0,27) = 12(1,42) 2 95V=Ö 0,04938(1,0108)+0,0175(0,5285)+(0,0331)0,82261 = 0,0864 5VVWV=5V W95Ö V 1,73 5VVWV=1,13 2,035 0,0864 = 1,13 060 L L 0,53 / estimador de la varianza o error de estimación al cuadrado : 95F Ö = 1 0,074 1 2(1,085)(0,45)(0,75)(1)+1,0852(0,57) + 12(1,25) 2 95V= 1 0,09 0,52 2(1,085)(0,41)(0,67)(0,72)+1,0852(0,45) + 12(1,25) 2 95V= 1 0,20 0,81 2(1,085)(0,42)(0,51)(0,9)+1,0852(0,27) = 12(1,42) 2 5 3, 95F Ö = 0,04938(0,9386)+0,0175(0,6206)+0,0331(0,7095) = 0,0807 5FVWV=1,085 2,035 0,0807 5FVWV=5F W95F L L 1,66 0,51 A partir del estimador de la razón ! + ! < promedios y de totales 3, : a. <¯5V= Σ:K5K;¯K <5V=1Σ:K5K;¯K Recordemos que: 6< cada estrato y para el total, = N¯ <¯5F=5F;¯VW b. h = Nh ¯ h ¯ <5& =15; F VW (Total) 5 www.FreeLibros.org <¯5V= 0,46(1,5)(1,2)+0,37(0,9)(1,8)+0,17(1,46)(2) = 1,924 = 1,9 Promedio de mujeres por amilia Los límites de con ianza del 95 , para el estimador del promedio de mujeres 734 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO 8 OtPLWHVGHFRQ¿DQ]D -'. <¯5VV= Σ:K5K;¯K WΣ 9¯ \¯ = 1,9 2,035 5V 1 IK QK * sy2h 25K ρKV \KV [K +5 K2V2[K 1 0,074 1 0,09 1 2(1,20)(0,44)(0,75)(1) + 1,22(0,57) + + 12 12 0,52 2(0,9)(0,41)(0,67)(0,72)+0,92(0,45) + 1 0,20 12 0,81 2(1,46)(0,42)(0,51)(0,9)+1,462(0,27) 2,74 <¯5VV= 1,9 2,035 0,16853romedio j 1,06 de mujeres por amilia : 3, >'' <5VV= (Σ:K5K;K)1W1 i 1 IK QK 7 sy2h 25K ρKV\KV[K+5K2V[2K 971,04 = 971 <5VV= 1,9(355) 2,035(355) 0,1685 i / razón combinada <¯5F 5F;¯VW=1,085(1,7) = 1,85 7otal mujeres en las 355 amilias 371,95 = 372 $ 3romedio de mujeres por amilia 3ara el total VHWHQGUiTXH: ~ ~ <5F 5F;¯VW1= 1,085(1,7)(355) = 654,80 = 655 8 OtPLWHVGHFRQ¿DQ]D -'. * lugar calcular la Varianza estimada 7otal de mujeres en las 355 amilias 4 7 \¯VW 1 I <¯5FVW= [¯ W Σ Q K sy2h 25F ρKV[KV\K+52FV[2K VW ( ( 8 +, -'. <¯ 5¯F =1,85 2,035 VW 1 0,074 1 0,09 1 2(1,085)(0,44)(0,75)(1) + 1,0852(0,57) + 12 12 2 0,52 2(1,085)(0,41)(0,67)(0,72) + 1,085 (0,45) + www.FreeLibros.org 1 0,20 0,36 2(1,085)(0,42)(0,51)(0,9) + 1,0852(0,27) 12 CAPÍTULO TRECE ALGUNOS MÉTODOS DE MUESTREO 735 2,42 <¯5FV= 1,85 2,035 0,0807 1,27 i Los OtPLWHVGHFRQILDQ]D del 95 para el 7otal de mujeres en las 355 amilias <¯5F = 1,85(355) 2,035(355) 0,0807 = 656,75 205,22 V ~ 881,97 = 882 ~ 451,53 = 452 7otal mujeres ESTIMACIÓN DE PROMEDIOS Y TOTALES MEDIANTE LA REGRESIÓN LINEAL SIMPLE K 5 < 5 , regresión lineal, al igual que la razón y se les considera como métodos indirectos para estimar promedios y totales. / regresión lineal, se usan dos formas para calcular el estimador del promedio y del total, mediante la regresión lineal separada y regresión lineal combinada / regresión lineal separada ¯ K± ¯[K <¯5/K ¯\ KE K ; ¯yh= Σyhi QK Σ(yhi y¯h)(xhi [¯h) Σ([hi Āxh)2 7 Σ[hi [¯K= Q K RL C 3 b< C + Eh= Tambi n: E h= QΣ[KL\KL (Σ[KL)(Σ\KL) QΣ[2KL (Σ[KL)2 : 5 ! + asignación igual >& Estrato I Σ[1=12.140 Σ[12=12.736.600 Σy1=6.916 s[21=41.360,61 1 Σ[1y1=6.962.580 0 [¯1=1.011,67 Σy1 =4.059.918 2 E= 0,07496 U1=0,19 9 y ¯1=576,33 3 sy21= 6.726,97 Estrato II Σ[2=23.330 0 Σ[22 = 45.702.100 0 Σy2=7.896 Σy22 = 5.360.758 s[22=31.335,61 1 Σ[2y2 =15.394.420 0 [¯2 =1.944,17 17 U2 =0,18 E=0,12556 ¯y2 = 658 8 sy22=15.017,27 Estrato III www.FreeLibros.org Σ[3=38.590 Σ[32 =129.241.300 s[23=467.481,06 6 Σ[3y3 =27.681.670 Σy3=8.533 Σy32 = 6.213.165 5 E=0,04686 0 ¯[3=3.215,83 3 U3=0,28 8 y¯3= 711,08 8 sy2 = 13.226,45 3 736 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO Calculamos las bh b1, b" y b3 E1= 12(6.962.580) (12.140)(6.916) = 0,07496 12(12.736.600) (12.140)2 E2= 12(15.394.420) (23.330)(7.896) = 0,12556 12(45.702.100) (23.330)2 E3= 12(27.681.670) (38.590)(8.533) = 0,04686 12(129.241.300) (38.590)2 * * Regresión lineal, se debe conocer o suponer ! 9̄ < 7 9̄ 1C1)#) 9̄ " C 1#') : 7 * 9̄ 3C >"") \¯5/ = 576,33 0,07496(1.080 1.011,67) = 571,21 \¯5/= 658,0+0,12556(1.850 1.944,17) = 646,17 \¯5/= 711,08+0,04686(3.220 3.215,83) = 711,27 8 Media ponderada en la Regresión separada \¯5/6 = Σ:K¯\5/K : 7 \¯5/6= 0,46(571,21)+0,37(646,17)+0,17(711,27) = 622,76 < Estimador de la Varianza, para luego obtener el error 9 \5/ = Σ V :K2(1 IK) QK V\2 2EK P[ \+EK2V[2 K K K Cálculo de las Covarianzas N P [1y1= Σ[1y1 [¯1y¯1 = 6.962.580 Q1 12 P [2y2= Σ[2y2 [¯2y¯2 = 15.394.420 Q2 12 P [3y3= Σ[3y3 [¯3y¯3 = 27.681.670 Q3 12 4 5 K (1.011,67)(576,33) = 2.840,77 (1.944,17)(658) = 3.604,47 (3.215,83)(711,08) = 20.093,44 Covarianza para cada estrato www.FreeLibros.org &RY[ \ K K P[ \ K K Q KΣ [ KL \ KL ( Σ[ KL)(Σ\ KL) Q K2 y P[ \ K K Σ[ KL\ KL Q K( [¯K)(\¯K) QK CAPÍTULO TRECE ALGUNOS MÉTODOS DE MUESTREO 737 Obtenidas las Covarianzas se podrá determinar el estimador de la varianzaH ( ( 12 0,462 1 355 9 \5/ = (6.726,97) 2( 0,07496)( 2.840,77)+( 0,07496)2(41.360,61) + 12 V ( ( 12 0,372 1 355 12 ( ( 12 0,172 1 355 12 (15.017,27) 2(0,12556)(3.604,47) +0,125562(31.335,61) + (13.226,45) 2(0,04686)(20.093,44)+0,046862 (467.481,06) = 291,02 8 OtPLWHVGHFRQ¿DQ]D -'. <¯5/6 \¯5/ W9 \ 6 6 L 6 L 657,50 Consumo diario de carne en gramos 588,06 / regresión lineal combinada & 7 5/ V <¯5/6 622,78 2,035 291,02 <¯5/ 7 \¯VWEF ;¯VW±[¯VW Calculamos en primer lugar las medias aritméticas, tanto de X como de Y \¯VW = Σ:K¯\K = 0,46(576,33) + 0,37(658) + 0,17(711,08) = 629,46 [¯VW = Σ:K¯[K = 0,46(1.011,67) + 0,37(1.944,17) + 0,17(3.215,83) = 1.731,40 Suponiendo que ;¯VW = 1.729 (poblacional) Se tendrá: \¯5/F = 629,46 + 0,01994(1.729 1.731,40) = 629,41 El FRHILFLHQWHDQJXODUFRPELQDGRse calculó de la siguiente manera: EF = Σ:KEK = 0,46( 0,07496) + 0,37(0,12556) + 0,17(0,04686) = 0,01994 / M, / 9\¯5/ = Σ F :K2(1 I K) QK V\2 K 3 lineal combinada 2EFP[ \ + E2FV[2 K K K www.FreeLibros.org (( (( 12 0,462 1 162 9 \ =¯ 12 5/ V ( ( (6.726,97) 2(0,01994)( 2.840,77)+0,019942(41.360,61) + 738 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO ( ( (15.017,27) 2(0,01994)(3.604,47) +0,019942(31.335,65) + ( ( (13.226,45) 2(0,1994)(20.093,44)+0,19942(467.481,06) = 290,42 12 0,372 1 132 12 12 0,172 1 61 12 Los límites de confianza del 95 para el estimador de ¯ serán: <¯5/FV ¯\5/F W9 \ 5/ F L <¯5/F 629,41 2,035 290,42 V L 664,08 Consumo promedio diario de carne en gr. 594,73 / + &"-%1 H 7 '-%2> $ &&%)# +, -'. ESTIMACIÓN DE UNA PROPORCIÓN Y EL TOTAL EN CONGLOMERADOS / DOHDWRULRHVWUDWL¿FDGRcon asignación igual unidad se constituye en conglomerados SVW = Σ0KSK 0 siendo: SK = ΣDKL ΣPKL 0K = 1P ¯K y Σ0K 0 El HVWLPDGRUGHODYDULDQ]D o HUURUGHHVWLPDFLyQDOFXDGUDGR será igual a: 9S = Σ VW (1 IK) Q KP ¯ K2 ΣDKL " 2SK(ΣDKLPKL) + S2KΣP2KL QK 1 Los OtPLWHVGHFRQILDQ]D estarán dados por la órmula: SVWV = SVW + L 9 S VW * >& $ B $ + proporción y el total de mujeres. mi = Número de personas por Familia ai = Número de mujeres por Familia www.FreeLibros.org : p CAPÍTULO TRECE ALGUNOS MÉTODOS DE MUESTREO ΣD1i=18 ΣD2i=22 ΣD3i=25 ΣD1iP1i=62 ΣP1i=33 ΣP2i=47 ΣD2iP2i=91 ΣD3iP3i=99 S1= 22 18 = 0,545 S2 = = 0,468 47 33 * 7 estimador de la varianza ΣD22i= 46 ΣP3i2 =164 P ¯ 1=2,75 P ¯ 2=3,92 Q1 11 I1 12 = 0,074 162 / estimador de la varianza 9S = VW ΣD3i= 61 I2 25 = 0,595 42 ΣP1i2 = 111 ΣP2i= 193 2 P ¯ 3=3,50 Q2 12 = 0,091 1 2 132 Q 12 3 = 0,197 1 3 61 I3 7 1 0,74 38 2(0,545)(62)+(0,545) 2(111) 1 0,091 46 2(0,468)(91)+(0,468)2(193) + + 12 1 12(3,92)2 12 1 12(2,75)2 61 2(0,595)(99)+(0,595)2(164) = 0,00508 12 1 1 0,197 12(3,5)2 8 OtPLWHVGHFRQ¿DQ]D -'. 7 SVW = Σ0KSK 0 3VWV=SVW W9 S VW / 4 : !< #Mh = Nmh ΣP3i=42 2 ΣD1i2 =38 S3= 739 01 = 355(2,75) = 976,25 02= 355(3,92) = 1.391,6 03 = 355(3,50) = 1.242,5 Σ0K = 0 = 3.611 0K = 1P ¯K / 7 M< $ B < < 7 7 $ 7 7- 0 = Σ1KP ¯ K Σ0K siendo M1=1&""2'=%%& M"C1>">-"='12 M3=&1>')="1% M=GMh=%%&'12 "1%=1122 / B , 7 S VW = 446(0,545) + 517(0,468) + 1.214(0,595) = 0,52 = 52 1.177 son mujeres www.FreeLibros.org SVW =0,52 V L 66,5 2,035 0,00508 Porcentaje de mujeres 37,5 740 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO / '". $ %#. < 7 >2'. $ &&'. +, -'. 4 >'' 7 5 $ 1122 5 ! M = 1([) ¯ =C >''>>1)% C 112' 4 5 M = 1(P) ¯ =C >''>>### C 1")> 8 OtPLWHVGHFRQ¿DQ]D -'. >'' 7 783 Ast = 1.177(0,52) 2,035(1.177) 0,005080ujeres s L 441 Ast =0SVW W0 9 S VW s L 8 A &1" A $ '&' / 7 %%1 $ 2#> -'. EJERCICIOS PARA RESOLVER 8 $ en Línea SIL. 2" K ESTRATO I No. de orden y1 1 " 3 % ' & + ESTRATO II No. de orden y2 ' 2 3 " 1 % Sistema de Información 1 " 3 % Se pide extraer una muestra ? - ? 6+ $ ? &. $ +, -'. ESTRATO III No. de orden y3 # 10 # 1 " 3 % ' 13 1' 1& 1" 1# 2> ") No. DE ORDEN )1 )" )> )% )' )& )2 )# )- 1) 11 1" 1> 1% 1' 1& 12 1# 1- ") xi: 1) & 1" 11 & @ GXi C ")' # 1% 1> 1% 1) - # 2 1" 1) 1& & 1) 1' # GXi2 C ""#1 ¯ y ; r ; Con base en una muestra aleatoria simple se desea estimar K ? " $ +, -). ? : estimador del promedio y total de x1 + -'. www.FreeLibros.org CAPÍTULO TRECE ALGUNOS MÉTODOS DE MUESTREO 741 2% K ? 1> $ 2 , < + ? & $ n -. $ +, -''. : ? & $ 9 + +, -'. 2' : Σ Σ 2 Σ Σ 2 K nK 270 260 227 354 20 20 20 20 0,35 0,50 0,80 0,20 207,4 324,3 543,3 846,1 2.181,4 5.539,01 14.860,71 36.156,83 169,3 246,3 356,1 676,8 1.456,19 3.087,29 8.411,97 23.147,10 Σ[K\K ¯[K ¯\K 6 [K 6 \K ;¯K 1.770,66 4.045,23 9.763,78 29.391,08 8,47 12,32 17,81 33,84 10,37 16,22 27,17 42,31 0,83 1,69 10,44 3,54 1,26 3,74 2,32 4,37 8,2 14,0 19,6 31,2 ESTRATOS &RQWLQXDFLyQ K K K K K 2& : 2' e pide / $ tal , + +, -'. de , + +, -'. / $ tal de 22 : 2' e: / $ de A, + +, -'.. Est / edian ¯ =C ""& + +, -'. 2# : 2' / $ de , +, -'. / $ de , + +, -'. / $ de , + +, -'. + . Est 5 , ¯ =C ""& . Est 5 , ¯ st=C ""& 2- Estratos ESTRATOS 1K 6K [¯K SK Peque o Mediano Grande 500 300 200 3,48 2,80 4,00 15,3 22,8 29,7 0,3 0,2 0,4 P = 95 E = 2,1 (promedio) E = 0,08 (proporción) www.FreeLibros.org #) : 2- K ? 5 + 742 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO / / $ de ¯, + +, -'. de P, P, + +, -'. $ lde #1 : Estrato I No. DE ORDEN 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 9i 12 - - 1# "> >" "1 "> 1' "" 1& 1' 1- "# "' 1- 1% 1# "> 1" i - & 2 10 1& 1# 1% 1% 10 12 11 1- 1" Ai si si no si si no no si si si 1 2 5 8 9 10 11 12 13 14 15 ' 13 11 10 1" 13 # si no si no no si no no si si Estrato II No. DE ORDEN 3 4 6 7 9i %) '> %- ># %" '% ') %> %2 '- &> '# %' %& '% i "> >& 30 "" "& >" "2 "% "1 >" >" >' "# "> "- Ai no no si si no si si no si si no si No. DE ORDEN 1 2 3 4 5 6 7 8 9 10 11 9i 2& #" 2% #) #& -1 2% #1 2# #> 2& i '1 %2 %' '% '% '" %' %2 %& '" '1 Ai si si no si si no si no si si no si no si Estrato III : $ 1" + ? 5 / %. $ 1). $ +, -'. Y, 9 , 7 Y, 6 #" : / 9 3 C #" / / ? ¯2 = 56 de <¯5RLS dye <¯5RLC ;¯1 = 24 ; $ +, -'. ¯3 ¯ . Estimar el valor de de ;¯ y ; ( , +, -). de P y A, u, +, --. www.FreeLibros.org CAPÍTULO TRECE ALGUNOS MÉTODOS DE MUESTREO 743 #> : Estrato I N yi xi 1 " 3 % ' & 2 # 10 1"& 13,0 1"# 1"& 13,0 1"1>' 1%) 1>" 1"% #% 2" #> -' -% 10,1 #" -& #% #& #% : ? 1# 5 6 $ me 5F, 5V, + +, . Est -'. . Est . Est . Se Estsabe además que ¯ =C 1-1# ¯ 1=C -1 ¯ "=C12> ¯ 3=C "21 #% : estime de <¯5RLS yde <¯5RLC + +, -'.¯ : ¯ Estrato I No. ORDEN No. ALEATORIO 1 PERSONAS SERVICIOS INGRESOS MENSUALES (Miles $) 2) H " M 1 Luz no Agua no " 3 )# >& 1 0 1 " no no si si &))) '))) % ' & %" "# 1& 3 " 1 1 " 3 si si no si no no &")) 2))) '))) 2 # "" '' 1 1 3 " si si si si %')) %#)) %')) Estrato II No. ORDEN No. ALEATORIO 1 " 3 % ' & 2 # "# 33 %" )& 01 1"" ># PERSONAS H % " 3 % % 3 " % M 3 & ' % " % ' " SERVICIOS Luz si no si no si no no si Agua si si no no si si si si INGRESOS MENSUALES (Miles $) &))) '#)) 2")) &))) %#)) &))) '2)) &%)) www.FreeLibros.org 744 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO Estrato III PERSONAS SERVICIOS No. ORDEN No. ALEATORIO 1 1' H 3 M 2 Luz si Agua si " ") ' % si no '")) 3 % 1& )- & ' 3 2 no no no no &>)) 2))) ' 1" " # si si &#)) & 2 1# "' & % ' # si no no si '-)) 2))) # 1% ' ' no si &")) @ INGRESOS MENSUALES (Miles $) %&)) N1 C 2' ! C 1') N" C ') N3 C "' WC" * C -''. / C '. / @ M ' / @@ M ' # * / @@@ M - $ 7 #' : : 6 $ ? / + #& : / +, -'. : / 3, ! E< / * $ + +, -'. , $ $ + -'. +, ASIGNACIÓN PROPORCIONAL / 5 ? $ +, promedio, proporción, razón, y proporciones en conglomerados, en forma 6 ? , B 5 $ H B www.FreeLibros.org :K = 1K 1 ZK = QK Q Siendo: :K = ZK CAPÍTULO TRECE ALGUNOS MÉTODOS DE MUESTREO 745 Mediante este procedimiento, al igual que en el de Asignación igual y óptima, se pueden obtener 5 Muestreo aleatorio simple, ya que es posible contener en la mues $ <5 < 7 Tamaño de la muestra Como en todos los casos tratados anteriormente, cuando no se conoce la Varianza poblacional de la 7 ? , Encuesta preliminar o piloto 3 Asignación igual, el número de unidades es igual para cada uno de los es / 1% 5 , $ ' H Asignación proporcional 1% $ $ / : 1= 1 1 162 = = 0,46 1 355 :2= 1 2 132 = = 0,37 1 355 :1+:2+:3=0,46+0,37+0,17=1 8 Q1 7 = = 0,47 ⇒ Z1=:1 Q 15 Z 3= Q3 3 = = 0,20 ⇒ Z3=: Q 15 / ~ 7 Q1= Q:1=14(0,46) = 13 61 = = 0,17 1 355 Σ:K= 1 ó 100 7 , ? Z 1= 7 :3= Z2= Q2 5 = = 0,33 ⇒Z2=:2 Q 15 ΣZK= Z1+Z2+Z3=1 ó 100 7 ~ Q2= Q:2=14(0,37) = 5 Q3= Q:3=14(0,17) =~ 3 8 A , ? 7 8 Y , ? / 7 $ , $ www.FreeLibros.org 746 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO Encuesta preliminar – Asignación proporcional Estrato I si 3 " 1 1 CONSUMO DE CARNE DIARIO Grs. &)' 1">) no 3 " 1 1 &)' ))# 2-) si " 0 " 1 &#) % 1"" 1"&) no % " " 1 '") ' )2& 1"&) no 3 1 " 1 '1& & )"% #%) si % " " 1 &1) 2 )'' 1)") no 1 1 0 1 '>) No. de No. ORDEN ALEATORIO 1 )#& " 1'1 3 INGRESOS MENSUALES (Miles $) 1&>) NÚMERO DE PERSONAS PROPIEDAD VIVIENDA Total Masc. Fem. " Estrato II No. de No. ORDEN ALEATORIO 1 " 3 % ' INGRESOS MENSUALES (Miles $) PROPIEDAD VIVIENDA ")&) 1#&) ""') 12") ")') si no si si si 1")&> )1' )>111 Total Masc. Fem. " CONSUMO DE CARNE DIARIO Grs. 1 1 1 " " 1 " 3 % ' % 1 " " " " " " " " 2#) '#& #'" '#) 2>% NÚMERO DE PERSONAS Estrato III 1 03 INGRESOS MENSUALES (Miles $) >)&) " "# "-&) no ' " 3 3 '%# 3 11 "#-) no % " " " 22) No. de No. ORDEN ALEATORIO Total Masc. Fem. " si ' % 1 3 CONSUMO DE CARNE DIARIO Grs. #)% PROPIEDAD VIVIENDA NÚMERO DE PERSONAS : @ 0 4 ? 4 5 <7 * B + 8 promedios y varianzas ¯[1= 1.147,14 [¯2= 1.988 ¯[3= 2.970 V12 = 83.923,81 V22 = 41.470 La media ponderada será: V23 = 7.300 www.FreeLibros.org [¯VW= Σ:K[¯K = 0,46(1.147,14)+0,37(1.988)+0,17(2.970) = 1.768,17 El error de muestreo con un 5 será igual a: CAPÍTULO TRECE ALGUNOS MÉTODOS DE MUESTREO / error de muestreo '. 747 7 (= 0,05([¯VW) = 0,05(1.768,17) = 88,41 La primera aproximación para Q será Σ : K6 K2 QR= 2 ((=) QR = 0,46(83.923,81) + 0,37(41.470) + 0,17(7.300) = 27,13 (88,41 1,96)2 27,13 = 26 amilias 27,13 1+ 355 Q= Tambi n mediante la órmula: Q= Q= 1= 2Σ : K6 K2 1(2+= 2Σ :K6 K2 se tendrá que: 355(1,96)2 0,46(83.923,81) + 0,37(41.470) + 0,17(7.300) = 26 amilias 2 2 355(88,41) + 1,96 0,46(83.923,81) + 0,37(41.470) + 0,17(7.300) M < 7 n * * H +, -'. $ 1). S 1= QR= 3 = 0,43 7 Σ:K S KT K no = ((=) 2 S2= QR= 4 = 0,8 5 1 = 0,33 3 0,46(0,43)(057)+0,37(0,8)(0,2)+0,17(0,33)(0,67) = 80,49 (0,10 1,96)2 80,49 = 66 amilias 80,49 1+ 355 Tambi n mediante la aplicación de n= S3= NZ2Σ Wh phq h n = NE2+Z2ΣW p q h h h 355(1,96)2 0,46(0,43)(0,57)+0,37(0,8)(0,2)+0,17(0,33)(0,67) = 66 amilias 355(0,10)2+1,962 0,46(0,43)(0,57)+0,37(0,8)(0,2)+0,17(0,33)(0,67) / $ 5 Asignación igual, < ? >& / Asignación proporcional, también consideraremos que n >& 8 ? 7 n1= nW1 C >&)%& C 12 n3= nW3 C >&)12 C & n"= nW" C >&)>2 C 1> n C >& K ? A 5 estimación puntual y de intervalos www.FreeLibros.org 748 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO Muestra de asignación proporcional Estrato I No. de No. ORDEN ALEATORIO 1 " 3 % ' & 2 # 10 11 1" 13 1% 1' 1& 12 )&> 1&) 1"% ))# )-& 110 )2> )>2 )"1 )'& 11& 1%1 003 )1# )2& )") 133 INGRESOS MENSUALES (Miles $) 1>') 1"%) 1)1) 2-) 11>) #') #-) 1"&) 1)&) -') 1)#) -') 1)#) #&) 1"&) -') --) PROPIEDAD VIVIENDA no no no si si no si no no si si si no no no no si NÚMERO DE PERSONAS Total " " % 3 & % 3 3 3 " % " 3 1 3 3 3 Masc. " " 1 1 " 1 " 1 1 1 1 1 " 0 1 1 1 Fem. 0 0 3 " % 3 1 " " 1 3 1 1 1 " " " " 1 1 1 1 1 1 1 1 1 1 " 1 1 1 1 1 1 CONSUMO CARNE DIARIO Grs. &># '#) '") &") 2)) '") '") '#) 2>) '2# 21& '") 2>' '1) '1& &") '1" Estrato II No. de No. ORDEN ALEATORIO 1 " 3 % ' & 2 # 10 11 1" 13 ))& )-1 1"1 )>% 130 11' )#1 )2' ))# 100 )1)"> )>' INGRESOS MENSUALES (Miles $) PROPIEDAD VIVIENDA ">') 1#>) "1#) ")") 1&') 1-") "1') 1-&) "))) ""&) 12&) "1%) 1->) si si no si no si no si si si si si si INGRESOS MENSUALES (Miles $) PROPIEDAD VIVIENDA >"1) "-&) >%&) >#2) "&)) "--) no no si no si no Total Masc. Fem. " CONSUMO CARNE DIARIO Grs. 3 3 ' 3 " ' 3 " 3 " 3 ' % " 0 " 1 0 3 1 1 1 1 1 " " 1 3 3 " " " " 1 " 1 " 3 " 3 " 3 " 1 " " 1 1 " " 3 " 2>" &>& &#2 &#) '>) 2>" &1> &%" #)% 21" ##) '%) '") NÚMERO DE PERSONAS Estrato III No. de No. ORDEN ALEATORIO 1 " 3 % ' & 31 %" '> ") )& ># NÚMERO DE PERSONAS Total % 3 % % % % Masc. " 1 1 1 " " Fem. " " 3 3 " " " " " 3 " " " CONSUMO CARNE DIARIO Grs. #)& &#% 21# 2>' 2'" 2'' www.FreeLibros.org 749 CAPÍTULO TRECE ALGUNOS MÉTODOS DE MUESTREO Estimación de promedios y totales * 5 B 7 estimador del promedio y del total de ingresos por familia, < $ , , Asignación igual 8 Medias aritméticas y Varianzas del Ingreso 0 s12 = 26.611,03 ¯x1 = 1.041,18 ¯x2= 2.011,54 s22 = 40.430,77 s23 = 195.256,67 s1 = 163,13 s2= 201,07 s3= 441,88 n1 = 17 n2 = 13 n3 = 6 ¯x3 = 3.181,67 El es ima i o pun ual se obtiene así: ¯xst = ΣWhx¯h = 0,46(1.041,18)+0,37(2.011,54)+0,17(3.181,67) = 1.764,10 El para el cálculo del error de estimación será: s2 V x¯st = 12 ΣNh(Nh - nh) n h N h V xst¯ = 1 162(162 17) 26.611,03 + 132(132 13) 40.430,77 + 61(61 6) 195.256,67 = 1.545,76 3552 17 6 13 Sx¯st= 1.545,76 = 39,32 y los del 95 para el promedio: 1.844,02 = 1.844.016,2 X¯sts= ¯xst i tsx¯st X¯sts= 1.764,10+2,035(39,32) ¯ i 1.684,08 = 1.684.083,8 v = n1 + n2 + n3 3 = 17 + 13 + 6 3 = 33 Siendo: α = 0,05, se tendrá que el valor de t = 2,035 Para el total estimado se tiene: Xsts = Nxst i tNsx¯st Xsts = 355(1.764,10) 2,035(355)(39,32) i 654.661,25 (miles ) 597.849,75 (miles ) @ >'' 7 A 0 &"&"''')) $ 7 0 '-2#%-2') $ 0 &'%&&1"') -'. www.FreeLibros.org 750 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO Estimación de proporciones y totales : * * $ 4 + +, -'. 7 1 = s 7 = 0,41 17 =Σ 2 s = 10 = 0,77 13 s = = s = 2 = 0,33 6 ~ = 0,46(0,41) + 0,37(0,77) + 0,17(0,33) = 0,5296 = 52,96 Se estima que el 52,96 s i 3 de las amilias son propietarias de vivienda. s s = 12 Σ ( n) n 1 162(162 17) 0,41(0,59) +132(132 13) 0,77(0,23) + 61(61 6) 0,33(0,67) = 0,006 3552 17 13 6 68,72 s s= 0,5296 2,035 0,006 i 37,20 / >2"). $ &#2". 7 * * 4 7 s i =Npst tN V p st 244,11 = 244 = 355(0,53) 2,035(355) s )amilias 0,006 i 132,19 = 132 1## * $ 1>" $ "%% +, -'. 7 Estimación de proporciones y totales en conglomerados : ph = 5 * Σ a hi ai = Total mujeres en la muestra Σ mh i mi = Total de personas (hombres y mujeres) en la muestra Σa1 = 30 Σa2 = 26 Σa3 = 14 Σm1 = 51 Σm2 = 43 Σa12 = 72 Σa22 = 58 Σa23 = 34 Σm12 = 173 Σm22 = 157 Σm32 = 89 Σa1m1=107 Σa2m2=92 Σa3m3=54 m ¯1 = 3 m ¯ 2 = 3,31 m¯3 = 3,83 n1 = 17 n2 = 13 n3 = 6 p1 = 0,59 p2 = 0,60 Σm3 = 23 www.FreeLibros.org p3 = 0,61 CAPÍTULO TRECE ALGUNOS MÉTODOS DE MUESTREO / , s (1 ) n ¯2 =Σ 17 162 17(9) 1 = s 6 61 6(14,67) 1 s s Σa 2 2 Σa i i n i + 2 Σ 751 7 2 i 1 1 13 58 2(0,60)(92) + 0,62(157) 72 2(0,59)(107) + 0,592(173) 132 + + 13(10,96) 17 1 13 1 34 2(0,61)(54)+0,612(89) = 6 1 = (0,00585)(0,3726)+(0,0063)(0,3433)+0,0102(0,2474) = 0,0069 = 0,46(0,59)+0,37(0,6)+0,17(0,61) = 0,597 ≅ 0,60 =Σ 0,77 = 77 ss i = 0,60 2,035 0,0069 0,43 = 43 '-2. A 7 %>. $ 22. &). : >'' 7 , 1)-> M=355(308)=1.093 3,08 = 3romedio de personas por 355 = 7otal de amilia 840,56 = 841 2,035(1.093) 0,0069 sts= 1.093(0,6) i 6A -'. &'' $ - amilias 3ersonas 471,04 = 471 7 %21 $ #%) - Estimación indirecta del promedio y el total a través del método de la razón / $¿MDFLyQLJXDO de los métodos, ya sea separada o combinada / h = 5 3, Σ hi Σx hi 3, < donde: 5 se tendrá; >& www.FreeLibros.org ¯1 = 1,76 ¯2 = 2,0 ¯3 = 2,33 x¯1 = 1,24 x¯2 = 1,31 x¯3 = 1,5 752 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO 8 , , por lo tanto la razón 7 E< $ 9 < s 1,76 = 1,42 1,24 1 = s = ΣWh h * 2 3 = 2,33 = 1,55 1,50 por cada 2 hombres hay 3 mujeres. , (1 h) n h x¯h2 8 ȡ < ρ3 = 2,0 = 1,53 1,31 = 0,46(1,42) + 0,37(1,53) + 0,17(1,55) = 1,48 V s= Σ ρ1 = = d x1 2d dx h 2 h ρ s sx + h 0,45 = 0,36 2(0,62) = 2 2 s h xh h h ρ2 = 1 3 2d = s2 dx 2 2d = 0,65 = 0,90 2(0,36) 2 0,37 = 0,84 2(0,22) 3 Siendo: sx 0,56 dx = x 1 = 1,24 1 ¯1 s d 1= 1 ¯1 = 1,09 1,76 = 0,45 dx = 0,85 = 0,65 1,31 dx = 0,55 = 0,37 1,5 = 0,62 d 2= 0,71 = 0,36 2,0 d 3= 0,52 = 0,22 2,33 Las racciones de muestreo: 2 1 = 17 = 0,10 162 3 = 0,08 = 0,10 2 3 2 2 y el cuadrado de las medias aritm ticas: ¯2 = 1,54 ¯ = 1,72 ¯ = 2,25 : 7 , 7 s 1 0,10 17(1,54) = 0,50 1,19 2(1,42)(0,36)(0,56)(1,09)+1,422(0,32) + 2(1,53)(0,9)(0,71)(0,85) + 1,532 (0,73) + 1 0,10 6(2,25) 1 0,08 13(1,72) 0,27 2(1,55) (0,84)(0,55)(0,52) + 1,552 (0,30) = 0,0805 Límites del 95 para el estimador: www.FreeLibros.org ~ 2 hombres 2,07 = = ss i s s ss i =1,49 2,035 0,0805 ~ 1 hombre 0,91 = CAPÍTULO TRECE ALGUNOS MÉTODOS DE MUESTREO > 753 <$ < ada ( ), s 7 / razón combinada ¯xst = ΣWh x¯h = 0,46(1,24) + 0,37(1,31) + 0,17(1,5) = 1,31 ¯st = ΣWh ¯h = 0,46(1,76) + 0,37(2,0) + 0,17(2,33) = 1,95 1,95 ¯ = x̄ st = 1,31 = 1,49 st Siendo: V =Σ El estimador de la varianza para el cálculo del error V = 1 0,10 17(1,54) 1,19 (1 h) n h x¯h2 s2 h 2 ρ sx s + h 2(1,49)(0,36)(0,56)(1,09) + 1,492(0,32) + 2 2 h h sx h 1 0,08 13(1,72) 0,5 2(1,49)(0,9)(0,71)(0,85)+1,492(0,73) + 1 0,10 0,27 2(1,49) 6(2,25) (0,84)(0,55)(0,52) + 1,492(0,30) = 0,0781 Estimación indirecta del promedio y total mediante la regresión lineal 8 , Asignación igual, consideramos dos 5 Regresión lineal, consumo de carne diario en gramos 9 3 7 separado y el combinado 6< 7 Asignación proporcional la Asignación igual. M * , >& = = Σ( , ¯ )(x i ¯x ) n Σ i x i ( Σ x i)( Σ i) = Σ (x i ¯x ) 2 n Σ x 2i ( Σ x i) 2 i 7 h Asignación proporcional ( ¯ ¯x ) ¯ =¯ + Σ h ix h i n h¯x h¯ h Σ x h2i n h x¯h2 El promedio estimado, en la re resi n lineal separada se obtiene así: www.FreeLibros.org ¯ s= Σ h ¯ h y sus límites de con ianza s i =¯ s V¯ s 754 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO 2 El estimador de la varianza para el cálculo del error s mxhyh = Se denomina covarianza $ h h h $ s2 2 + x 2 2 sx = rhsxs , siendo rh el coe iciente de orrela i n en cada estrato. = rh = n hΣ x h (Σ xh)(Σ h) h n hΣ x h2 ( Σ x h) 2 n hΣ 2 h ( Σ h)2 Directamente la &RYDULDQ]D se calcula: mx mx ) s mx (1 n = Σ h h = n hΣ x h 8 h Σxh = h i hi ¯xh¯h nh ( Σ xh )( Σ h ) i hi i i n h2 A $ 5 n1C 12 n"= 13 n3C & >& Estrato I Σx1= 17.700 ¯x1= 1.041,18 s 1= 82,98 1 = 0,1390 Σx1 1= 10.590.720 sx21= 26.611,03 sx1=163,13 Σ 1 = 10.115 s21= 6.886,5 r1 = 0,27 Σx12 = 18.854.600 ¯1= 595,0 Σy1 = 6.128.609 2 n1 = 17 Estrato I I ¯x2= 2.011,54 sx2= 201,07 Σx2 2= 17.536.670 Σ 2= 8.708 Σx2= 26.150 sx22 = 40.430,77 s 2= 106,49 ¯2= 669,85 2 Σ 2 = 530.086.900 2 = 0,0416 Σx2= 53.086.900 2 s 22 = 11.340,47 r2 = 0,0785 n2= 13 Estrato III ¯x3= 3.181,67 sx3= 441,88 s2x3= 195.256,67 Σx3= 19.090 Σx23= 61.714.300 Σx3 3= 14.153.280 ¯3 = 741,67 s = 40,87 s 2 = 1.670,67 www.FreeLibros.org Σ 3= 4.450 2 Σ 3= 3.308.770 3 3 = 0,005261 3 r3= 0,057 n3= 6 CAPÍTULO TRECE ALGUNOS MÉTODOS DE MUESTREO 755 Cálculo de los &RH¿FLHQWHVDQJXODUHV 1 = 17(10.590.720) (17.700)(10.115) = 0,1390 17(18.854.600) (17.700)2 = 13(17.536.670) (26.150)(8.708) = 0,0416 13(53.086.900) (26.150)2 2 6(14.153.280) (19.090)(4.450) = 0,0053 6(61.714.300) (19.090)2 = 3 Ahora se obtendrán los valores de y ¯ 1 ¯ 2 ¯ 3 = 595,0 + 0,1390(1.080 1.041,18) = 600,40 = 669,85 + 0,0416(1.850 2.011,84) = 663,13 = 741,67 0,0053(3.220 3.181,67) = 741,47 gramos de consumo de carne diario. / regresión lineal separada 7 \¯5/V = Σ:K ¯\5/K= 0,46(600,40) + 0,37(663,13) + 0,17(741,47) = 647,59 gramos de consumo * < , primer lugar, la covarianza P [ 1\ 1 = 10.590.720 1.041,18(595,0) = 3.481,43 17 P [ 2\ 2= 17.536.670 (2.011,54)(669,85) = 1.544,55 13 P [ 3\ 3= 14.153.280 (3.181,67)(741,67) = 869,19 6 +, -'. Ahora, la varianza para el7 cálculodel 6< el estimador de , error de estimación se :K2(1 IK) 9 \5/ = Σ Q K V V2\K 2EKP[K \K + E2K V[2K 2 9 ¯\ 5/ V = 0,46 (1 0,1) 0,372 (1 0,8) 6.886,5 2(0,1390)(3.481,43)+0,13902(26.611,03) + 17 13 11.340,47 2(0,0416)(1.544,55) + 0,04162(40.430,77) + 0,172 (1 0,10) 6 www.FreeLibros.org 1.670,67 2( 0,0053)( 869,19) + ( 0,0053)2 (195.256,67) = 188,59 756 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO 8 +, -'. <¯5/V = 649,59 2,035 188,59 677,54 : 621,64 Mediante el empleo del método de la regresión lineal combinada, el promedio estimado de consu \¯VW = Σ:K¯\K \¯VW= 0,46(595,0)+0,37(669,85)+0,17(741,67) = 647,62 ¯[VW = Σ:K[¯K ¯[VW= 0,46(1.041,18) + 0,37(2.011,84) + 0,17(3.181,67) = 1.764,21 El FRHILFLHQWH DQJXODU FRPELQDGR se obtiene: EF= Σ:KEK EF= 0,46(0,1390) + 0,37(0,0416) + 0,17( 0,0053) = 0,0784 Siendo: <¯5/F = ¯\VW + EF (;¯VW±[¯VW) <¯5/F = 647,62 + 0,0784(1.729 1.764,21) = 644,85 El estimador de la varianza para el error de estimación será igual a: 9 ¯\5/ F :K2(1 I K) = Σ QK 9 \¯5/ = F V2\K 2EFP[K \ K + EF2 V[2K 0,462 (1 0,1) 0,372 (1 0,8) 6.886,5 2(0,0784)(3.481,43)+0,07842(26.611,03) + 17 13 11.340,47 2(0,0784)(1.544,55)+0,07842+(40.430,77 + 0,172 (1 0,10) 6 1.670,67 2(0,0784)( 869,19)+(0,0784)2(195.256,67) = 192,92 673,12 <¯5/F = 644,85 2,035 192,92 Consumo promedio de carne diario en gramos. 616,58 Como en el caso de la asignación igual , H este caso, consideraremos el total >'' <5/VV= 1¯\5/V W19 ¯\5/V L <5/VV = 355(649,59) 2,035(355) 188,59 L 240.525,32 220.683,53 www.FreeLibros.org <5/FV= 1¯\5/F W19 ¯\5/F L <5/FV = 355(644,85) 2,035(355) 192,92 L 238.955,92 218.887,58 CAPÍTULO TRECE ALGUNOS MÉTODOS DE MUESTREO 757 ASIGNACIÓN ÓPTIMA / 7 7 < costo total : FRVWR¿MR (Co $ costo unitario (C<H B 7 ¿MR o variable, para cada uno de los estratos, además, el grado de variabilidad (S" / 7 $ ? H 7 7 elementos complementarios, el PDUJHQGHHUURU\HOJUDGRGHFRQ¿DQ]D 8 7 7 ? + $ 7 + 5 7 dos mediante la Asignación óptima / 5 6 6+ 6 ? 6 7 + $ ? Tamaño de la Muestra 7 a. / 7 n, el costo total de : + : $ :< Q= * &±&R &K / ? Q= : C 0 >')))) :oC "')))) :<C 0 %))) 7 350.000 250.000 = 25 amilias de una población de 355. 4.000 / , ? +, $ www.FreeLibros.org : :< ? 7 - 758 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO QK=Q ( Σ1166 ( K K K QK=Q ó K ( Σ::66 ( K K K K / proporciones QK=Q 1K 3K4K ( Σ1 K ( 3 4 K ó QK=Q ( Σ:: 33 44 ( K K K 7 K K K K 5 encuesta preliminar 1' mediante el método de Asignación proporcional + $ 7 , $ 7 V12 = 83.923,81 V22 = 41.470 V32 = 7.300 Las proporciones de amilias con vivienda: S1= 0,43 S2 = 0,8 S3 = 0,33 Siendo los tama os en cada estrato: 11= 162 12 = 132 13 = 61 se tendrá que: Q 1= 25 Q 2= 25 162 (162 83.923,81) ( 83.923,81) 46.930,76 162 83.923,81 + 132 41.470 + 61 7.300 26.880,72 79.023,46 46.930,76 = 15 amilias 46.930,76 + 26.880,72 + 5.211,98 = 25 5.211,98 Q3= 25 79.023,46 ~ = 8,5 = 9 amilias = 1,65 =~ 2 amilias Q Q1Q2Q3 = 15 + 9 + 2 = 26 amilias / proporciones , Q 1= 25 Q2= 25 < 0,46 ( 0,43(0,57)) 0,46 0,43(0,57)+0,37 0,8(0,2)+0,17 0,33(0,67) 0,148 0,4556 7 = 25 0,2277 = 15 amilias 0,2277+0,148+0,0799 Q 3= 25 =~ 8 amilias 0,0799 0,4556 =~ 5 amilias n C 1> # ' C "& b. Z ? el costo total de la investigación : FRVWR ¿MR (Co grado de variabilidad de cada estrato (S< costos unitarios (C< $ ? poblacional de cada estrato (N< 8 ? n $ $ 7 ? $ 1 K6 K &K Σ1K6K &K ( (&±&R Σ ( www.FreeLibros.org Q= CAPÍTULO TRECE ALGUNOS MÉTODOS DE MUESTREO 759 HQFXHVWDSUHOLPLQDU Asignación proporcional V1= 289,70 V2= 203,64 V 3= 85,44 &1= 4.000 &2= 4.000 &3= 4.000 Se tendrá que n 12= 132 &= 350.000 13= 61 &o= 250.000 7 350.000 250.000 Q= 11= 162 132(203,64) 61(85,44) + + ( 162(289,70) ( 4.000 4.000 4.000 162(289,7) 4.000 + 132(203,64) 4.000 + 61(85,44) 4.000 * < = 24 amilias , :< : H n $ $ ? < :< C1C "))) * n 350.000 250.000 Q= :"C >))) :3C %))) 7 132(203,64) 61(85,44) + + ( 162(289,70) ( 2.000 3.000 4.000 162(289,7) 2.000 + 132(203,64) 3.000 + 61(85,44) 4.000 = 42 amilias (Nota: se trabajó en la calculadora con el programa de estadística). En el caso de que Ch sea constante, los nh se obtienen mediante las órmulas: QK=Q ( Σ1166 ( K K K ó K QK=Q ( Σ::66 ( K K K K Para cuando Ch es variable para cada uno de los estratos, los nh se calcularán así: n K= n Siendo: n1 n 2 n3 1K 6K FK 1K 6K Σ F K ó n K= n :K 6K FK :K 6K Σ F K los tama os muestrales en cada estrato, estos serán iguales a: 162(289,7) 2.000 n1= 42 162(289,7) 132(203,64) 61(85,49) + + 2.000 3.000 4.000 = 27,16 ~= 28 amilias www.FreeLibros.org 760 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO 490,77 = 12,71 ~= 13 amilias 1.622,64 n 2= 42 n = 27 + 13 + 3 = 43 n 3= 42 82,45 = 2,13 ~ = 3 amilia 1.622,64 amilias , nes de familias propietarias de vivienda / a s"x por s2p = pq $ 7 ( (&&R Σ 1 K 3K 4K &K n = Σ1 3 4 & K K K K proporcio , ( ( 0,43(0,57) + 132 4.000 350.000 250.000 162 n= 0,8(0,20) 0,33(0,67) + 61 4.000 4.000 162 0,43(0,57) 4.000 + 132 0,8(0,2) 4.000 + 61 0,33(0,67 4.000 Si los C< ( n= 0,8(0,20) 0,33(0,67) + 61 3.000 4.000 162 0,43(0,57) 2.000 + 132 0,8(0,2) 3.000 + 61 0,33(0,67 4.000 * tamaños muestrales en cada estrato, cuando C< n h= n 1K 3K 4 K &K Σ 1 K 3K 4 K ó n h= n &K 3 , n 1= 39 n 2= 39 :K ( = 39 amilias 7 3K 4 K &K Σ :K 3K 4 K &K 7 0,46 0,46 = 25 amilias 7 0,43(0,57) + 132 2.000 350.000 250.000 162 ( 0,43(0,57) + 0,37 2.000 0,00270 ~ = 12 amilias 0,00905 0,43(0,57) 2.000 = 22 amilias 0,8(0,20) 0,33(0,67) + 0,17 2.000 4.000 Q3= 39 0,00126 ~ = 6 amilias 0,00905 www.FreeLibros.org / n se debe a las aproximaciones, siendo preferible en nume 7 CAPÍTULO TRECE ALGUNOS MÉTODOS DE MUESTREO 761 c. / ? PXHVWUHR DOHDWRULR HVWUDWL¿FDGR, por el método de asignación óptima 5 , QLYHO GH FRQ¿DQ]D HO HUURU GH muestreo y el costo unitario (C< Σ Σ:K6K &K n= : K6 K &K 2 = ( E( + 1 Σ:K6K2 N K :< , $ +, -''. W C " $ '. $ 1). para calcular n M 7 :< 0,46(289,7) 0,37(203,64) 0,17(85,44) 0,46(289,7) 4.000+0,37(203,64) 4.000 +0,17(85,44) 4.000 n= ( ( + + 4.000 4.000 2 88,41 1 + 355 2 N 4.000 = 24 amilias 0,46(83.926,09)+0,37(41.469,25)+0,17(7.300) / "% ? M < :< 0,46(289,7) 0,37(203,64) 0,17(85,44) + 0,46(289,7) 2.000+0,37(203,64) 3.000 +0,17(85,44) 4.000 n= ( ( 2.000 + 3.000 4.000 2 88,41 1 + 355 2 = 25 amilias 0,46(83.926,09)+0,37(41.469,25)+0,17(7.300) / estimativos para proporciones ? Σ:K3K4K&K n= Σ:K 3 K4 K &K + 1 Σ : K3 K 4 K 1 = 2 ( E( / :< : < 5 , :< n= 0,46 0,43(0,57) 4.000 + 0,37 0,8(0,2) 4.000 + 0,17 0,33(0,67) 4.000 ( ( 2 (contin a) 0,10 1 0,46(0,43)(0,57)+0,37(0,80)(0,20) + + 355 2 0,46 0,43(0,57) 4.000 + 0,37 0,8(0,20) 4.000 + 0,17 0,33(0,67) 4.000 www.FreeLibros.org = 67 amilias + 0,17(0,33)(0,67) 762 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO / n= :< sea variable 7 0,46 0,43(0,57) 2.000 + 0,37 0,8(0,2) 3.000 + 0,17 2 ( (+ 0,10 2 0,46 0,43(0,57) 2.000 + 0,37 1 355 0,33(0,67) 4.000 (contin a) 0,46(0,43)(0,57)+0,37(0,80)(0,20) + 0,8(0,20) 0,33(0,67) + 0,17 3.000 4.000 = 68 amilias + 0,17(0,33)(0,67) / :< 5 $ , 7 + ? 7 7 a. 3 a. ( Σ : K6 K) 2 Σ : K6 K + 1 n= b. , n= $ ( Σ: ( 2 3K4K Σ : K3 K 4 K + 1 K 9= 0,46(289,7)+0,37(203,64)+0,17(85,44) n= ( ( ( = ( 2 = 24 amilias (variable ingresos) 88,41 2 0,46(83.926,09)+0,37(41.469,25)+0,17(7.300) + 2 355 ( 2 b. n= 0,46 0,43(0,57) + 0,37 0,8(0,2) + 0,17 0,33(0,67) = 68 amilias ( p r o p o r c i ó n propietarios) 0,10 2 0,46(0,43)(0,57) + 0,37(0,8)(0,2) + 0,17(0,33)(0,67) + 2 355 ( ( 8 5 en cuenta los costos unitarios (C< ? / tamaños muestrales para cada uno de los estratos, se pueden calcular me n h= 1K 6 K Σ 1K 6 K y n h= :K 6 K Σ :K 6 K 8 estimación de una variable. / atributos n h= 1K 3K4K Σ1K 3K4K y n h= : 3K4K Σ :K 3 4 K www.FreeLibros.org K K CAPÍTULO TRECE ALGUNOS MÉTODOS DE MUESTREO 763 MÉTODO DE NEYMAN K 5 , 0XHVWUHR$OHDWRULR(VWUDWL¿FDGR < n, puede efectuarse el cálculo en forma independiente para cada uno de los estratos muestrales; siendo conocido como el Método de Neyman. n oh = Wh S h2 W hS h2 = Eh 2 Vh zh ( ( n h= Siendo: n oh noh 1+ Nh / < / encuesta preliminar 1' n1 = 7 n" = 5 n3 = 3 (asignación proporcional W1S12 0,46(83.926,09) no1= = = 45,08 ~= 46 familias (E1 z1)2 (57,36 1.96)2 n 1= n01 45,08 n01 = 45,08 = 36 familias 1+ 1+ N1 162 no2= W2S22 0,37(41.469,25) = 5,97 2= (E2 z2) (99,4 1,96) 2 n 2= E2= 0,05(1988) = 99,4 z2= 1,96 5,97 ~ = 5,71 = 6 familias 5,97 1+ 132 n o 3= n 3= E1= 0,05(1.147,14) = 57,36 z1= 1,96 W3S32 (E3 z3)2 = 0,17(7.300) = 0,22 (148,5 1,96) 2 0,22 ~ = 1 familia 0,22 1+ 61 n = n1 + n2 + n3= 36 + 6 + 1 = 43 familias Algo similar ocurre para el cálculo de no = h no = 1 WhPhQh (Eh zh) 2 0,46(0,43)(0,57) (0,10 1,96) 2 = 43,31 E3= 0,05(2.970) = 148,5 z3= 1,96 n E1 = 0,10 < estimación de una proporción E2 = 0,10 no = 2 E3 = 0,10 0,37(0,8)(0,2) = 22,74 (0,10 1,96)2 www.FreeLibros.org no = 3 0,17(0,33)(0,67) = 22,74 (0,10 1,96) 2 764 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO n1 = 43,31 ~ = 35 43,31 1+ 162 n 2= 22,74 ~ = 20 22,74 1+ 132 n 3= 14,43 ~ = 13 familias 14,43 1+ 61 n = n1 + n2 + n3 = 35 + 20 + 13 = 68 familias EJERCICIOS PARA RESOLVER 8 $ en Línea SIL. Sistema de Información #2 : ESTRATO Nh Sh I II "#' %1' "# >2 4 2)) – : ? @ +, -''. $ 7A /1 C 11 67 @@ W C 1 &>#. $ /" C 1"' ## : ? + $ ? #- : ESTRATO Wh Sh Ch ȳh Nh I II III )' 0,3 )" % ' & 1 % - 10 ") >" ")) 1") #) K ? '. $ +, -'. 5 $ / 7 : C 01)))) $ : C 0-')) ? 5 n C 1%# -) : + +, -'. $ 5 $ n C 122 -1 : ESTRATO I No. de orden 1 " 3 % ' & 2 + ESTRATO II y1 1 3 1 2 " ' ' & " 1 3 1 " 3 3 No. de orden 1 " 3 ESTRATO III y2 x2 10 # ' % & No. de orden 1 " 3 % ' y3 x3 1" 1# 1% 1' 13 # 10 # 10 2 www.FreeLibros.org CAPÍTULO TRECE ALGUNOS MÉTODOS DE MUESTREO N1C 1-) N"C #) N3 C 1>) 765 N C %)) Considerando que los datos fueron obtenidos mediante una encuesta preliminar, determinar el ? +, -''. $ '. -" : ? 1' $ / $ 9 ! , $ / 5 $ @ X̄ 1 C 1& X̄ " C '" X̄ 3 C -& X̄ st C 2> -> / $ ESTRATO Wh Ch ȳ h Ph Sh I II III 6 )%' )>' )") 7 / C "' % ' & , C 1-& N C ")) " % - 1& "1 30 )&" )'% )>& / C 1". : ? 6 $ Z ? 5 -% : /1 C )# /" C 1)" $ /3 C " ? 5 6 N $ -' : -> + +, -'. $ 5 $ -& @ $ / 7 B $ $ * , 5 + + 2)) 8 5 $ 1' 1) 5 $ " OBREROS # 1' 0 TÉCNICOS % ' 0 1& "1 0 10 & 0 1" # 1" 2 % 3 3 " - ' " 1 # ADMINISTRATIVOS 1 # www.FreeLibros.org 766 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO K ? + +, -'. $ #. -2 -# : Estrato I Luz Agua INGRESOS MENSUALES (Miles $) 1 1 " 1 " 3 3 " no no no si si no si si no si si si no no si si %')) &))) '))) &))) 2))) '))) %')) %#)) PERSONAS NÚMERO DE ORDEN NÚMERO ALEATORIO Hombres 1 " 3 % ' & 2 # 2) )# >& %" "# 1& "" '' " 1 0 3 " 1 1 1 SERVICIOS Estrato II PERSONAS NÚMERO DE ORDEN NÚMERO ALEATORIO Hombres 1 " 3 % ' & 2 # "# 33 %" )& 01 1"" ># % " 3 % % 3 " % SERVICIOS 3 & ' % " % ' " Luz Agua si si si no si no no si si si no no si si si si INGRESOS MENSUALES (Miles $) &))) '#)) 2")) &))) %#)) &))) '2)) &%)) Estrato III PERSONAS NÚMERO DE ORDEN NÚMERO ALEATORIO Hombres 1 " 3 % ' & 2 # 1' ") 1& )1" 1# "' 1% 3 ' & ' " & % ' SERVICIOS Luz Agua 2 % 3 2 # ' # ' sí no no no sí sí no no sí no no no sí no sí sí INGRESOS MENSUALES (Miles $) %&)) '")) &))) 2))) &#)) '-)) 2))) &")) www.FreeLibros.org CAPÍTULO TRECE ALGUNOS MÉTODOS DE MUESTREO @ N2 = 50 N3 = 25 N = 150 viviendas N1 = 75 E = 5% (promedio) E = 10% (proporción) / @ 767 M Z=2 (P = 95%) ' / @@ M ' # / @@@ M - $ 7 n "% ? + / * , -- : ? "% $ +, -'. 6+ 1)) : -# +, -'. 6+ 1)1 : -# n C "% + !6 $ 7 , < $ +, -'. 1)" B < : ? , w7 $ ") $ -). N CONSUMO DIARIO DE CARNE No. Grms. No. Grms. No. Grms. No. Grms. No. Grms. No. Grms. No. Grms. No. Grms. No. Grms. No. Grms. 1 2#- >% 2#" &2 21" 100 2%# 133 2%& 1&& 2%% 1-- #'- ">" 2%" "&' #%2 "-# 22- " #)2 >' 21> &# 2-" 101 #&> 1>% 2&1 1&2 2"1 ")) 2&> ">> 2"1 "&& 2-" "-- 2%& 3 #)" >& 2#2 &- 2#" 1)" 2%) 1>' 2"- 1&# 2-) ")1 2)2 ">% 2%% "&2 2#' 300 2%1 % 2&' >2 2>& 2) 2-> 103 2>% 1>& 22' 1&- 2'# ")" 2"# ">' 2>' "&# #&" 301 2&' ' 2>' ># 2'1 21 2-" 1)% 2#) 1>2 #1" 12) 211 ")> #11 ">& 222 "&- 2#1 >)" 2-& & #-' >- 2&' 2" 2'% 1)' 2'' 1># #1& 121 2-" ")% -"1 ">2 #'% "2) 22% 303 -1) 2 2-- %) #1' 2> &-" 1)& #'1 1>- 2&2 12" 2&1 ")' 2%% "># 2## "21 2%- >)% #') # 2%- %1 2&" 2% #1' 1)2 2&> 1%) 2%' 12> #"' ")& #)# ">- 2)& "2" 2%# >)' 2>& - 2%" %" 2>2 2' #>" 1)# 2%- 1%1 2'2 12% 2>% ")2 2'" "%) 2)2 "2> 2-' >)& 22# 10 #-" %> 2>> 2& #1) 1)- -)" 1%" 2>) 12' #"2 ")# 2&) "%1 2"" "2% #)% >)2 22" 11 #&% %% 2># 22 21% 110 2%2 1%> 2-- 12& #)> ")- 2>> "%" 2%- "2' 2#" >)# 2-# www.FreeLibros.org 768 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO No. Grms. No. Grms. No. Grms. No. Grms. No. Grms. No. Grms. No. Grms. No. Grms. No. Grms. No. Grms. 1" 22" %' #1" 2# #)% 111 2#" 1%% 22# 122 22& "1) 2'1 "%> 2>' "2& 2%# >)- 2-# 13 #)# %& 2>- 2- &-# 11" #"> 1%' #>% 12# 2-> "11 #1- "%% #%% "22 #1> 310 2"& 1% 2>" %2 2#& #) 2&" 113 2-2 1%& #2> 12- #%" "1" 2'' "%' 2#> "2# 2-1 311 2'> 1' 2%> %# #%> #1 22# 11% #1- 1%2 #1" 1#) #>> "1> #-2 "%& #'# "2- 2%" >1" 2-" 1& #"% %- #)# #" 211 11' 2') 1%# #>2 1#1 2'% "1% 2#& "%2 2&# "#) 2&) 313 2%1 12 #)% ') 2>% #> 21' 11& 22% 1%- #'2 1#" 2&) "1' 2-) "%# 2'" "#1 22& >1% 2&' 1# 2&2 '1 2&) #% 2&" 112 #"1 1') #"- 1#> 2-) "1& 2%% "%- 2'' "#" 22> >1' #"1 1- 2&) '" 2%' #' 221 11# 2-2 1'1 2>) 1#% #1> "12 2%% "') 22& "#> 2-% >1& #11 ") #%" '> #%> #& 2"% 11- 22& 1'" #"1 1#' 2"1 "1# 2-1 "'1 2%& "#% 212 >12 #&' "1 #1> '% #)> #2 22# 1") 22" 1'> 2## 1#& 2%# "1- 2%% "'" 2&% "#' 2"- >1# 2") "" 2'> '' 2>2 ## #"2 1"1 #") 1'% #&# 1#2 2#" "") 22& "'> 21# "#& 21" >1- 2># "> 2"> '& 22' #- 21> 1"" #&' 1'' #)& 1## 2&1 ""1 2%" "'% 2'& "#2 2&& >") 2%) "% 2-> '2 21- -) #1- 1"> #%2 1'& 2>- 1#- 2-1 """ 212 "'' 2#& "## #'% >"1 #-1 "' 2%- '# 22' -1 2>2 1"% 2"> 1'2 2#) 1-) 2#" ""> 22" "'& #)% "#- #&> >"" 2%% "& 2&> '- 22' -" #>- 1"' 2-2 1'# 2&" 1-1 #1) ""% 2%- "'2 #%' "-) #>' >"> 2>' "2 2%& &) 2#1 -> 2-1 1"& 2#' 1'- 2&" 1-" #1) ""' 2%- "'# #%' "-1 #>' >"% 2>' "# #&1 &1 2%% -% 2'1 1"2 21- 1&) #1' 1-> #1- ""& 2># "'- #11 "-" #&" >"' 22- "- 2#2 &" &#- -' 2#" 1"# 2#- 1&1 22# 1-% 2#' ""2 #1) "&) #)% "-> 2#2 >"& 2%' 30 2&% &> #)1 -& 2"- 1"- 2'% 1&" 2"- 1-' #2) ""# #)1 "&1 22' "-% 2-" >"2 #>> 31 2'2 &% 2&% -2 2%' 130 #"# 1&> 2'- 1-& 2&% ""- 22> "&" 2%% "-' #>% GAi C "'%#&) >" 21% &' 2-& -# 2%% 131 2"& 1&% 2-# 1-2 22" ">) 2>" "&> #') "-& 2&> 33 #'" && 2&& -- 2#& 1>" 2'1 1&' #'% 1-# 2&% ">1 #&2 "&% 2'2 "-2 #>- GAi C1--&"212> 1)> : 1)" < +, -'. , ? 1)% : 1)) $ ? +, --. 1)' 3 1)> $ 1)& T K < 1)% ? < < 7 1)> 7 1)2 8 < K 1)& $ < 1)# : 1)" < + '. #)) £ C #)) £ C #)) £ #)) £ #)) www.FreeLibros.org 1)&S 22- R 5 CAPÍTULO TRECE ALGUNOS MÉTODOS DE MUESTREO 769 1)- : 1)" B n < 7 #)) H 1). $ +, -). * C )') N * Z $ + +, -'. 7 #)) 11) : 1)- ¤ C ))# < * C ) % * )% * )% 111 : 11) 5 )%' * C )% 11" : 1)" K / @ ! 2#) / @@ K 2#) < #>) / @@@ !7 #>) K ? , +, -'. $ 1. ] -'. 5 6+ $ $ 11> K ? 5 6+ , 5 * Costo total Costo fijo Costo fijo unitario Costo variable unitario Costo variable unitario Costo variable unitario Confianza del 95% Error del 6% (20) = 1,20 N 1 = 120 N 2 = 180 N 3 = 300 N = 600 W 1 = 0,45 W 2 = 0,35 W 3 = 0,20 $200.000 $150.000 $ 2.000 $ 1.200 (para el primer estrato) $ 1.500 (para el segundo estrato) $ 2.300 (para el tercer estrato) Z = 1,96 2 Sx =0,69 1 S x =0,83 1 S2x =2,35 2 S x2 =1,69 Sx2 =109,03 3 Sx =10,4 www.FreeLibros.org 3 770 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO 11% : Estrato I No. DE ORDEN: 91 Estrato II No. DE ORDEN: 9" Estrato III No. DE ORDEN: 93 1 2 3 4 5 6 7 8 1"& 13,0 1"# 1"' 13,0 1"- 1>' 1%) 1 2 3 4 5 6 7 8 9 10 11 12 13 14 ")> "'& "'" "") "&) "%# "'2 "'- ">1 "') "%% "&' "%% "') 1 2 3 4 5 6 7 8 9 10 11 12 13 >-" >#% %)) >-& >#& >2' >2- >2) >-# %1> >2) %") %"> No. DE ORDEN: 14 15 16 17 18 19 20 21 22 23 24 25 93 >-# >2& >'> >%> >&" >') >"1 >%% >&' >#& >-" >2& /A ? n C - , 5 7 : + -). / +, -). / + 11' ESTRATOS Nh Sh @ * ? II Mediano @@@ [ ')) 300 ")) >%# "#) %)) , C 1-& _ xh Ch 1'> "-2 ""# 0") 30 %) / C "1 : ? n 6+ ? 11& : $ ? + +, -'. 5 112 : 6 $ 1)%H $ ? # 6 $ $ 9 + +, -'. 11# : 1)% 6 $ 5 6 ? www.FreeLibros.org 11- : 1)% 6 @ $ ? #) K $ 9 5 6 +, -'. CAPÍTULO TRECE ALGUNOS MÉTODOS DE MUESTREO 771 1") : 1)' 6 $ :1 C 1))) :" C 1')) $ C3 C 0"))) 7 $ + 0>))) : ? 9 6 1"1 : 1)' 6 $ - 6 7 +, -'. >. 0%))))) + 0"')))) $ de C1 C 0>))) :" C 0%))) $ :3 C 0'))) ? n , Yi 1"" Y + %))) 2". H "1. $ $ 2. 7 , , 5 + 6 , %#. H "1. $ %. Y, '. $ +, -''. n 1"> K ? , 2". H ''. $ 1'. : < $ + , + -'. +, 1"% : < , 2). 1"' 8 7 $ * , + 68!6:`N /4364Z N M N I II III @M 12)) ">)) %&)) >%)) #)) 1>)) "")) 1#)) # 10 1# 1" : ? + 1") $ , 1&) 1") 1#) 1%) $ +, -'. 1"& / B < Z $ * , + 8 -) 1 $ " 2' >H $ >' % #). % 7 2). / ? + +, -'. 1). $ 01#)) :7 ? / 01#)) $ ? $ www.FreeLibros.org 772 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO 1"2 < =< $ * + B ESTRATO No. TOTAL DE EMPLEADOS (población) TOTAL HORAS-HOMBRE NO LABORADAS (Muestra) NO. EMPLEADOS INCAPACITADOS (Muestra) DESVIACIÓN ESTÁNDAR Horas-hombre 1 >%)) &%)) 100 #' " '&)) #))) 1%) 130 3 1"2)) 1)")) 1#) 1&) % ")))) 1#>)) ")) "") ! 6 ? "&") $ / < =< $ / / + +, -'. 1"# 1# 1> 1# 1& "" "' $ 1& K " 1& 1" 1# 12 1" 1% ") 1- ") 1& 1' 1% ? 11 $ 2 , ? # 5 6 $ + +, -'. 1"- Y B < =< 7 "' , & 7 , , 8 + MUESTRA NIVEL OCUPACIONAL TOTAL EMPLEADOS Total Horas–hombre Número de empleados con retardos superiores a 25 minutos VARIANZA horas–hombre K ') 1") % "1) / 1") 310 10 1-& * '1) "1)) 10 "') 45=6 #>) %>)) 1# >&) 12-) ##)) ># %>) Operarios 0%1)))) + 01>)))) $ 02)) K n y los n< www.FreeLibros.org : < =< $ "' / + +, -'. CAPÍTULO TRECE ALGUNOS MÉTODOS DE MUESTREO 773 MUESTREO SISTEMÁTICO !7 5 denominan selección a intervalos regulares [ + B método sistemático, en el sentido * 5 , <$ , / muestreo sistemático o en serie, se usa frecuentemente por ser un método simple, sencillo, direc $ 6 7 ? $ $ la muestra casi igual que en el 0XHVWUHR$OHDWRULR(VWUDWL¿FDGR, Asignación proporcional 8 M 7 7 >&) , >'' < 7 ? ! 6 5 6+ >) H se podrá determinar el intervalo de selección , @ I= 3 , I = 1 f I= N 1 = n f 360 = 12 : 30 B K número aleatorio H ))1 $ )1" B ))% < < < , @ B Y , 7 B )1& H 5 $ ))% 1&) >1& )1& 12" >"# )"# 1#% >%) )%) 1-& >'" )'" ")# ")# )&% "") "") )2& ">" ">" )## "%% "%% 1)) "'& "'& 11" "&# "&# 1"% "#) "#) 1>& "-" "-" 1%# >)% >)% / intervalo de selección no sea un número entero, se pro 7 >'' $ ? >) 7 N 355 ~ I= n = = 11,83 = 12 30 Y , 7 B ? ! 5 B ))1 $ >''H ")# www.FreeLibros.org 774 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO ")# "") ">" "%% "'& "&# "#) "-" >)% >1& >"# >%) >'" >&% 011 )"> )>' )%2 )'- )21 )#> )-' 1)2 11- 131 1%> 1'' 1&2 12- 1-1 / 7 , B tero o si presenta decimales, en este último caso, se aproxima al número inmediatamente superior, luego , B + A Z B No. aleatorio 004 Ingresos (miles $) Propiedad-vivienda 016 028 1.060 2.060 1.140 040 052 064 076 088 100 112 950 3.860 1.860 1.840 2.850 2.020 2.620 si si si si no no no no si si No. aleatorio 124 136 148 160 172 184 196 208 220 232 Ingresos (miles $) 840 1.020 1.860 Propiedad vivienda No. aleatorio Ingresos (miles $) Propiedad vivienda 880 1.950 2.870 950 3.890 2.620 1.020 no si si si si si no no no si 244 256 268 280 292 304 316 328 340 352 2.260 2.140 1.050 1.280 si no no no 790 2.790 1.110 2.860 1.320 1.240 no si no si no no : 5 +, -'. 123.868.200 – 30 (1.833,33)2 = 794.305,75 s2 = 30 – 1 A x = 55.000 = 1.833,33 30 ( A X̄S = x ± t ( s n 1-f 891,24 1– 30 =1.833,33 ± 318,39 X ¯Is = 1.833,33 ± 2,045 30 355 0QVCUGVTCDCLÎGPNCECNEWNCFQTCEQPGNRTQITCOC FGGUVCFÈUVKECRQTNQVCPVQRCTCUUGVQOCT¶PVQFQU NQUFGEKOCNGUGPGNE¶NEWNQFGNCOGFKC 2.151,72 = 2.151.716,06 1.514,94 = 1.514.943,94 15 En la SURSRUFLyQ se tendrá: p = 30 = 0,50 PsI = p ± t pq n- 1 1 –f 30 0,5(0,5) PsI = 0,5 ± 2,045 30-1 1 – 355 0,68 = 68% 0,32 = 32% www.FreeLibros.org 6< 5 < + * + 5 ))1 < N CAPÍTULO TRECE ALGUNOS MÉTODOS DE MUESTREO ESTRATO NUMERACIÓN POR ESTRATO (A) NUMERACIÓN CONTINUA (B) I II III 4 K ))1 < 1&" K ))1 < 1>" K ))1 < &1 K ))1 < 1&" K 1&> < "-% K "-' < >'' 775 >'' 8 B No. No. EQUIVALENCIA Estrato ALEATORIO aleatorio Equivalencia ESTRATO (A) (A) anterior (B) ANTERIOR (B) No. No. EQUIVALENCIA Estrato ALEATORIO aleatorio Equivalencia ESTRATO (A) (A) anterior (B) ANTERIOR (B) No. No. EQUIVALENCIA Estrato ALEATORIO aleatorio Equivalencia ESTRATO (A) (A) anterior (B) ANTERIOR (B) 004 004 I 124 124 I 244 082 II 016 018 040 052 064 076 088 100 112 016 018 040 052 064 076 088 100 112 I I I I I I I I I 136 148 160 172 184 196 208 222 232 136 148 160 010 022 034 046 058 070 I I I II II II II II II 256 268 280 292 304 316 328 340 352 094 106 118 130 10 22 34 46 58 II II II II III III III III III 6 @ A 0 $ * $ ? n1 C 1% n" = 11 ESTRATO I No. DE ORDEN 1 " 3 % ' & 2 # 10 11 1" 13 1% No. ALEATORIO ))% )1& )"# )%) )'" )&% )2& )## 100 11" 1"% 1>& 1%# 1&) n3 C ' n = 30 ESTRATO II xi ai #)) #>) -') 1>') 1'&) 1>)) 1"&) ##) 1&") 1&>) 1)1) 1%&) -#) 1"%) no si si si no no no no no no no si si no No. DE No. xi ORDEN ALEATORIO 1 12" ")&) " 1#% 1#2) 3 1-& ")") % ")# ">") ' "") ")&) & ">" ">&) 2 "%% 1#&) # "'& 1--) "&# ")#) 10 "#) 1&&) 11 "-" 1&') ESTRATO III ai no no si no si no si no no si no No. DE No. xi ORDEN ALEATORIO 1 >)% "#&) " >1& >>") 3 >"# >&") % >%) "->) ' >'" "#&) N1 = 162 W1 = 0,46 N2 = 132 W2 = 0,37 N3 = 61 W3 = 0,17 ai si si si si si www.FreeLibros.org 776 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO 6 = 0,43 14 x1 = 1.205 x2 = 1.993,64 x3 = 3.118 p1 = s21 = 87.857,69 s 22 = 52.025,45 s 32 = 115.320 p2 = 0,36 s1 = 269,41 s2 = 228,04 s3 = 339,59 p3 = 1,0 8 obtenida mediante la Asignación proporcional / 7 +, A , 5 x¯st = ΣWh x¯h x¯st = 0,46 (1.205) + 0,37 (1.993,64 + 0,17 (3.118) = ~ 1.822,01 = ($1.822.006,8) pst = ΣWh ph pst = 0,46(0,43) + 0,37(0,36) + 0,17(1) = 0,50 ~= 50% 1 sh2 2 ΣNh (Nh –nh ) N nh Xst = ¯xst ± t 115.320 52.025,45 1 87.857,69 X¯st = 1.822,01 ± 2,052 3552 162(162–14) 14 + 132(132−11) 11 + 61(61−5) 5 [ [= 1.922,91 = $1.922.910 X¯st s= 1.822,01 ± 2,052 241,85 = 1.822,01 ± 100,91 1 1.721,09 = $1.721.090 1 1 0,43(0,57) 0,36(0,64) + 61(61-5) 5 Pst = 0,50 ± 2,052 3552 162(162–14) + 132(132−11) 14 14 [ [ Pst = 0,50 ± 2,052 0,005985 = 0,50 ± 0,16 = 0,66 = 66% 0,34 = 34% / + PXHVWUHRDOHDWRULRHVWUDWL¿FDGR método sistemático, en ? $ ? 5 6 <5 / + de aplicar la selección sistemática Supongamos que mediante el método de Asignación igual n = 30 n1 = 10 n" = 10 n3 = 10 8 intervalos www.FreeLibros.org N1 162 I1 = n 1 = 10 = 17 132 I2 = 10 = 14 61 I3 = 10 = 7 @ CAPÍTULO TRECE ALGUNOS MÉTODOS DE MUESTREO 777 B 1 $ 12 - 7 B estrato 7 ))" )1- )>& )'> )2) )#2 1)% 1"1 1># 1'' $ N1 1&" * segundo estrato, también se seleccionan números H ))' )1- )>> )%2 )&1 )2' )#- 1)> 112 1>1 ? N" 1>"H tercer estrato, los números )1 )# 1' "" "- >& %> ') '2 * N3 C - A A B < 8 A ? B Z 2 2 B '2 2 &1 &% B 7 )> $ < 1) 12 "% >1 / muestreo sistemático , de los números aleatorios y el resto se selecciona automáticamente de acuerdo a un proceso prede : 7 $ 0XHVWUHR DOHDWRULR HVWUDWL¿FDGR, Asignación proporcional, en cuanto a las unidades / $ 5 5H 1) H < $ 7 1" $ H , 5 < 1) H < < 5 / 5 5 2 H * 5 < $ MUESTREO POR CONGLOMERADOS UNA ETAPA $ , < , muestra por conglomerados en una etapa 3 que los estratos + 7 < 5 H en cambio, en los conglomerados 7 < 5 / $ B conglomerados < + 7 < , H , / 5 , 7 ? 7 <5 7 $ $ 5 ? 7 ? 7 A 7 www.FreeLibros.org 778 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO Con frecuencia, a los conglomerados se les denomina unidades de muestreo primario * 5 7 7 / muestreo aleatorio simple familias, en un momento dado se constituía en conglomerado, al estar conformado por un grupo H p= ΣD L ΣP L V[p] = 1−I QP2 2 ΣD2L – 2SΣDLPL + S2ΣPL Q-1 [ [[ [ / muestro sistemático 7 B ¨ < 7 >) + < intervalo de selección I= 7 A ! 355 ~ = 12 30 1" grupos o conglomerados de 30 unidades cada - Conglomerado No. 01 Conglomerado No. 02 No. ORDEN No. ALEATORIO xi ai No. ORDEN No. ALEATORIO xi ai 1 001 -") no 1 ))" 1)&) sí " 013 1"&) no " )1% 1)%) no 3 )"' 1>') no 3 )"& 1"') si % )>2 1"&) no % )># -') si ' )%- 1)1) no ' )') 1))) no & )&1 11>) si & )&" #%) no 2 )2> #-) si 2 )2% 1)&) no # )#' 1)1) no # )#& 1&>) si - )-2 11%) si - )-# -&) si 10 1)- 1)") si 10 110 #') no - - - - - - - - - - - - - - - - - - - — - - - - "# >"' >"1) no "# >"& >"%) si www.FreeLibros.org "- >>2 >"#) no "- >># >#&) si 30 >%- "-&) no 30 >') >"-) si CAPÍTULO TRECE ALGUNOS MÉTODOS DE MUESTREO Conglomerado No. 03 779 Conglomerado No. 04 No. ORDEN No. ALEATORIO xi ai No. ORDEN No. ALEATORIO xi ai 1 " 3 % ' & 2 # 10 "# "30 003 )1' )"2 )>)'1 &> )2' )#& )-111 >"2 >>>'1 1)#) 1%') 1)') -#) 11") 1>') #&) 1)>) ->) 1%') >#&) "&1) "#&) no no si no si no no sí no sí sí sí sí 1 " 3 % ' & 2 # 10 "2 "# "- )1" )"% )>& )%# )&) )2" )#% )#2 1)# 1") — >"% >"% >%# 2-) #%) 2-) #-) -#) 1)&) ##) 11>) -&) "#%) "-&) "2-) no si no si si no no sí no no no sí Z 2 >) $ ' "- $ >'' $ >&) B Cada conglomerado 7 ? 5 Y , , 4 B + B )1 $ 1" )> $ >) / $ , N = Número de conglomerados en la población Q = Número de conglomerados en la muestra Mi = Tamaño de cada conglomerado (total de elementos en el grupo) M = ΣMi = 7otal de elementos en la población de N conglomerados P = ΣPi = 7otal de elementos en la muestra de Q conglomerados M M= = (tamaño medio de los conglomerados) N yij =9alor de la variable yi =7otal del conglomerado en la muestra m1 yi = Σyij m 1 www.FreeLibros.org n n mi Σ y ij y i yi = m = m = (0edia del conglomerado) y = Σyi = ΣΣyij (7otal general de la muestra) i i A 780 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO = y = 0HGLDJHQHUDOGHODPXHVWUD y y Siendo = y = Σm = m i y = y = 0HGLDGHWRWDOHVRWRWDOPHGLRSRUFRQJORPHUDGR, en la muestra: = y= m / PXHVWUHRHVWUDWL¿FDGR pst = Σ M hp h Σm h $ Siendo 1–f h VPst[ = Σ A [ n h m 2h [ [[ ph = Σ ah i Σmh i 7 Σ a2hi–2p h Σ m hia hi+p2hΣ m2hi nh – 1 [ M + $ conglomerados iguales y desiguales, , H $ 7 $ < conglomerados en una etapa !6 $ !6/ / muestreo por conglomerados iguales >'' < 21 $ ' B , conglomerados iguales : < 7 1" n C 1" < CONGLOMERADOS No. SELECCIÓN No. PERSONAS POR FAMILIA 1 " 3 % ' & 2 # 10 11 1" 1# 03 &% >& %1 ># 30 "" 1% "& 1%& > ª ' ª " ª 1= % > ª> ª 1 ª " ª > %ª&ª>ª'ª1 %ª%ª>ª"ª" 'ª"ª&ª1ª> >ª>ª%ª"ª" >ª"ª>ª'ª" "ª"ª%ª'ª> 1ª>ª&ª1ª" "ª1ª'ª"ª1 >ª"ª>ª>ª1 &ª1ª%ª%ª" N C 21 TOTAL 1' 1" 11' 12 1% 1' 1& 13 11 1" 12 n C1" www.FreeLibros.org Con los datos de la anterior muestra, calcularemos el promedio CAPÍTULO TRECE ALGUNOS MÉTODOS DE MUESTREO I 1 " 3 % ' & 2 # 10 11 1" G x¯ i 1' 1" 11' 12 1% 1' 1& 13 11 1" 12 12& x¯ i2 -)) '2& 1%%% -)) 11'& 2#% -)) 1)"% &2& %#% '2& 11'& 1)'2& x¯ i 3,0 "% ># 3,0 >% "# 3,0 >" "& "" "% >% >'" / 781 Σ –x i 35,2 ~ = [= = = 2,93 = 3 12 n [ [[ Σ x– i –nx= 2 [ [[ 2 V = N–n Nn 2 V=[ = 71–12 71(12) 2 n–1 [ [ 105,76 –12(2,93)2 12 – 1 V=[2 = (0,0692) (0,2492) = 0,017 x– <$ > / conglomerados desiguales con probabilidades iguales, supongamos >'' 7 "' , $ $ B K N C "' A i CONGLOMERADO mi VIVIENDA yi PERSONAS yi2 1 ' 1# >"% " 1" %# ">)% 3 # %) 1&)) % 10 >& 1"-& ' 1% 30 -)) & 11 %' ")"' 2 13 >% 11'& # - "# 2#% - # >- 1'"1 10 1' &1 >2"1 G 1)' >2- 1'&>1 / + N C NB 1) , n C 1) Σm2i = 1.189 Σyi2 = 15.631 Σmi = 105 Σyi = 379 Σmi yi = 4.182 , N C "' www.FreeLibros.org n = Número total de conglomerados en la muestra (n C 1) ! C NB ! C >>) 782 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO M i = Número de elementos en cada conglomerado poblacional. M = ΣMi = 330 viviendas – M = Tamaño medio de los conglomerados M = ΣMi = Σ yi 30 = 13,2 25 (Promedio de viviendas por conglomerado) n = 3romedio de personas por conglomerado de la muestra Ny– 379 14 y= = – Σyi = y– = 10 = 3,79 M Mn y = = y = (stimador de la media por elemento 1 (379) = 2,87 13,2(10) = y= (ODQWHULRUHVWLPDGRUWambién se puede calcularGHODVLJXLHQWHIRUPD: 947,5 = 25(37,9) y= = = 2,87 Promedio de personas por vivienda 330 330 [ 1–f V y== – [ ] nM 2 [[ Σyi2 – ny– 2 n-1 [ 1 – 0,4 15.631–10(37,9)2 V =y = 2 10(3,2) [ ] 10 – 1 [[ [ 10 n f = N = 25 = 0,4 [ V y== (0,00034) (140,7667) = 0,048 [ ] También se puede calcular: [ N–n V =y = [ ] Nn(Q–1) [[ 1 –2 – 2 Σyi2 – ny M 25-10 1 (15.631-10(37,9)2 = 0,048 V =y = [ ] 25(10)(9) (13,2)2 [[ [ [ [ De otra manera se podrá hacer: [( ) ( )] [ ( ) [( ) ( )][ V =y = (1–f ) [ ] N M 10 V =y = 1– [ ] 25 25 330 1 n(n–1) Σyi – 2 (Σy i) 2 n ] 2 1 10(9) 15.631– 3 , 7 ] (379)2 ~ = 0,048 10 s =y = 0,048 = 0,22 (Error estándar de 0,22 personas) [ ] / error de estimación 5 [ ][ 1–f V =y = nM –2 [ ] 2 =Σ M y + = Σ y 2i – 2y y 2Σ M i i i ] , www.FreeLibros.org n–1 CAPÍTULO TRECE ALGUNOS MÉTODOS DE MUESTREO [ ][ 1– 10 25 V =y = [ ] 10(13,2)2 ] 15.631–2(2,87)(4,182)+2,872(1.189) = 0,054; 10 - 1 783 s=y2 = 0,23 MUESTREO BIETÁPICO Se le denomina muestreo por etapas : bietápico y si son más de dos etapas se le considera polietápico * sub-muestreo y se trata de una + 5 $ 7 , 5 B $ 8 primarias, los de la segunda, secundarias $ 8 ? B 7 , K proceso de selección TXHVHKDFHSRUHWDSDVVXFHVLYDV $ + B , $ H teriores son consideradas unidades de selección. < Muestreo por etapas / , < + H etapa se eligen en forma aleatoria o sistemática (de ? $ H segunda etapa , / tercera etapa , K etapa cuarta, $ Z 5 7 B / seguir aplicando el método bietápico, consiste en enumerarlas y seleccionar una muestra cuya unidad sea + + K / $ ? 7 $ / / PXHVWUHRELHWiSLFRHVWUDWL¿FDGR en los diferentes textos de muestreo, lo mismo sucede en el Muestreo trietápico o polietápico y algo * 5 ] 6, *< N A 5 A A www.FreeLibros.org 784 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO MUESTREO POR CONGLOMERADOS DE DOS ETAPAS / < + H muestreo aleatorio por conglomerados 7 $ obtiene primero una muestra aleatoria de conglomerados y, luego en una segunda etapa una muestra < / 5 $ + 7 0XHVWUHRDOHDWRULRHVWUDWL¿FDGR Estimación de promedios y totales + 11) 7 $ $ B 7 , $ ? * $ ? Muestreo por conglomerados en dos etapas , 7 $ "). 7 / : 7 11) 7 '')) 7 H ! B 7 a) Cuando se conoce el valor de M Algunos símbolos de entrada que debemos conocer N C NB N C 11) n = Número de conglomerados en la muestra n C 1" ! C G!i ! C NB ! C '')) – – 5.500 M M = 7amaño promedio del conglomerado M= = = 55 110 N P = 1úmero de elementos en cada conglomerado. M Información de una encuesta por muestreo aleatorio por conglomerados _ xi si2 > ' ) ) ) # & ) ) "%% 10,03 # % ) ) & 1) ) ' ) 3,13 1%1> '" 10 ) ) ) & ) % # & 1 ) "') 1))& % &) 1" > > ) 1 1 ) ) 1 ' ) " ) 1,33 "&1 ' '' 11 ) ) > ) ) & ) 2 ) 1 ) 1'' &#2 & %) # " 1 ' ) ) ) ) # ")) ##& 2 %) # % ) ) & 1) " & ) >') 1>%> FÁBRICA Mi mi TIEMPO SIN FUNCIONAR (HORAS) 1 %& - " ># 3 www.FreeLibros.org CAPÍTULO TRECE ALGUNOS MÉTODOS DE MUESTREO # >& 2 ) ) > 2 ) 1 " 1#& &%# - 30 & ' ) & ) ) % "') 2-) 10 &% 13 ) ) ) & ' ) 1) ) & ) ) ) 1 "1' 11%2 11 2) 1% " ) ) ) % & " ) > & " ) ) ) 12- %-' 1" ') 10 " > ' ) ) ) ) ) 1 " 1,30 "-) 785 Cálculo del estimador de la media NΣM x– 1.216,09(110) – Xc = Mni i = = 2,03 5.500(12) Mi–xi = 46(2,44) + 38(3,13) + 52(2,50) + ... = 1.216,09 ΣMi = 46 + 38 + 53 + 60 + ... = 581 Los límites de confianza del 95% para el estimador de la media es: X̄c = x¯c ± t s 2b = [ [[ [ s [ 1 nM ¯2 N–n N 2 b + 1 nNM ¯2 [ [[ [[ ΣMi (Mi – i) 1 Σ(Mix¯i)2 – 2Mx¯c ΣMix¯i + n (Mx ¯ ¯c )2 -1 s2i i [ [ Reemplazando se tendrá que: Σ(Mi x¯i)2 = (46 x 2,44)2 + (38x3,13) 2 + (52 x 2,5) 2 + ... = 132.247,64 sb2 = [ [[ 1 12–1 ΣMi(Mi–mi) [ 132.247,64–2(55)(2,03)(1.216,09)+12[55(2,03)]2 = 934, s2 i mi = 46(46–9) 10,03 14,13 +38(38–8) + ... = 18.571,91 9 6 Ahora se tendrá que: ¯ c = 2,03 ± 2,201 X [ [[ [ [ [ 1 110–12 1 934,86 + 12(110)(55)2 (18.571,91) 110 12(55)2 2,40 ¯ c = 2,03 ± 0,37 X +oras 1,66 www.FreeLibros.org * 4 -'. +, ! C '')) 7 786 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO [ [[ [ [ [ 110–12 1 1 110 12(55)2 934,86+ 12(110)(55)2 (18.571,91) Xc = 5.500(2,03)± 5.500(2,201) 13.200 Total de horas Xc = 11.165 ± 2.035 9.130 Cuando no se conoce el valor de M x¯c = ΣM i x¯i 1.216,09 = 581 = 2,09 ΣM i s2r = [ [[ 1 2 2 2 Σ(M i ¯x i ) 2 – 2x¯c ΣM i x¯i + x¯c ΣM i n –1 + [ ΣMi x¯i = 462(2,44) + 382(3,13) + 522(2,50) +... = 60.207,47 2 2 ΣMi = 462 + 382 + 522 + 602 + 552 + ... = 29.781 s 2r = [ [[ [ 1 132.247,64 – 2(2,09)(60.207,47) + 2,092(29.781) = 969,71 12 –1 8 OtPLWHVGHFRQ¿DQ]D -'. estimador del promedio [ [[ [ X¯c = 2,09 ± 2,201 110–12 M= 110 [ 7 [ 1 1 969,71+ 12(110)(49)2 (18.571,91) 12(49)2 ΣM i 581 n = 12 = 49 2,51 X¯c = 2,09 ± 0,42 < -'. +, Xc =5.390(2,09)±5.390(2,201) Horas 1,67 7 [ [[ [ [ [ 1 110–12 1 2 969,71 + 12(110)(49)2 (18.571,91) 110 12(49) 13.528,9 Xc = 11.265,10 ± 2.263,8 = Total de horas 9.001,3 Siendo M = NM̄ C 11) %- C '>-) 7 N / B estudiante calcule cada uno de x̄i y si; también pueden suministrarse solamente las dos últimas 7 www.FreeLibros.org CAPÍTULO TRECE ALGUNOS MÉTODOS DE MUESTREO 787 Estimación de una proporción y total a) Se conoce el valor de M : ! $ $E 7 , Información sobre una muestra por conglomerados doble etapa FÁBRICA 1 " 3 % ' & 2 # 10 11 1" Mi mi %& ># '" &) '' %) %) >& 30 &% 2) ') # 10 1" 11 # # 2 & 13 1% 10 NÚMERO PARALIZADOS % % ' 2 % % ' % 3 ' 2 ' Pi qi )%% )') )') )'# )>& )') )&> )'2 )') )># )') )') )'& )') )') )%" )&% )') )>2 )%> )') )&" )') )') [ [ N pc = nM ΣMi pi 110 Siendo: [ [[ N–n N s 2b = ΣMi = 581 N = 110 M = 5.500 – M 5.500 M= = = 55 110 N ΣMi = 29.781 581 – ΣMi 2 M= n = 12 = 49 (cuando se estima) pc= 12(5.500) [284,44] = 0,4748 = 47,48% ≅ 47% 8 OtPLWHVGHFRQ¿DQ]D Pc= pc ± t Se cuenta el número de máquinas que fueron reparadas o se les hizo mantenimiento. Información adicional. 1 ¯2 nM [ [[ 1 –1 [ s [ [ [ΣM (M – m ) [ 2 b 1 + nNM ¯2 i i i p iq i mi – – Σ(Mi pi )2 – 2p MΣ Mi pi + n (Mpc )2 c [ Reemplazando en la fórmula anterior se tiene que: sb = [ [[ 1 12 – 1 [ 7.172,31−2(0,47)(49)(284,88) + 12 [55(0,47)]2 = 188,12 Σ(Mi pi )2 = [46(0,44)]2 + [38(0,5)]2 + [52(0,5)]2 + ... = 7.172,31 ΣMi pi = 46(0,44) + 38(0,5) + 52(0,5) + ... = 284,88 www.FreeLibros.org ΣMi(Mi–mi ) p iq i = 46(46–9) 0,44 x 0,56 + 38(38 – 8) 0,5x0,5 + ... = 580,24 mi 9 8 788 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO : +, -'. Pc= 0,47 ± 2,201 [ 110–12 110 [[ 7 0,62 = 62% Pc = 0,47 ± 0,15 Nota: El error obtenido es muy grande, es posible que esto se deba al trabajar con una muestra muy pequeña. Horas 0,32 = 32% Porcentaje de máquinas paralizadas. * [ [ [ 1 1 188,12+ 12(110)(55)2 (580,24) 12(55)2 +, 4 Ac= 0,47(5.500)±5.500(2,201) [ [[ 7 [ [ [ 1 110–12 1 188,12+ 12(110)(55)2 (580,24) 110 12(55)2 3.119 Ac = 2.285 ± 834 Total de máquinas 1.451 b) Cuando no se conoce M : s2r= s2r= ! [ [[ [ [[ 2 [ 1 Q–1 Σ(Μi pi ) 2 − 2pc(ΣΜi pi ) + pcΣM i 1 12 – 1 7.172,31−2(0,49)(14.435,24) + 0,492(29.781) =16,02 2 2 [ ΣMi2pi = 462(0,44) + 0,382(0,5) + 522(0,5) + ... = 14.435,24 pc = ΣM i p i 284,88 = = 0,49 = 49% 581 ΣM i 8 OtPLWHVGHFRQ¿DQ]D -'. Pc = 0,49 ± 2,201 [ [[ [ * 7 [ [ 1 110–12 1 16,02 + 12(110)(49)2 (580,24) 110 12(49)2 Pc = 0,49 ± 0,20 0,69 = 69% 0,29 = 29% * estimador del total, +, -'. Ac= 0,49(5.390) ± 2,201(5.390) [ [[ [ 7 [ [ 1 110–12 1 2 16,02 + 12(110)(49)2 (580,24) 110 12(49) www.FreeLibros.org Ac = 2.641 ± 1.068 3.709 1.573 Total de máquinas CAPÍTULO TRECE ALGUNOS MÉTODOS DE MUESTREO 789 EJERCICIOS PARA RESOLVER 8 $ en Línea SIL. Sistema de Información 1>" Y 9 7 7+ 8 7 $ 8 5 B < + Z< "' 7 Y 7 + +, -'. CIUDAD No. SUPERM. No. SUPERM. MUESTREADOS No. DE ARTÍCULOS VENDIDOS POR SUPERMERCADOS 1 %' - #) &" "& ># &' 2% ># " >& 2 '" "% >" &) 2& %" '1 3 ") % >" >& %# %& % 1# % >) &1 ># ' 1" 3 >& %) "& & 1& % >% ># %& '1 2 13 % %" &1 "% "& # "" ' >) '% "# &1 %" '% "& 1>> Y 2) Y ? , + K < / 8 CIUDAD NÚMERO NÚMERO DE ESTABLECIMIENTOS DE ESTABLECIMIENTOS EN LA CIUDAD MUESTREADAS NÚMERO DE ESTABLECIMIENTOS QUE NO SATISFACEN EL CRITERIO DE LIMPIEZA 1 1# - 3 " ") 10 & 3 1& # ' % "& 13 - ' 1% 2 3 www.FreeLibros.org & 1# - ' 2 1% 2 " # 1" & % 790 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO / 4 +, -'. , + 1>% / ? A 7 ') ? / ? < 5 * decide muestrear un 10% de los árboles dentro de cada uno de los 10 lotes, usando una muestra por LOTE NÚMERO DE ARBOLITOS NÚMERO DE ARBOLITOS ARBOLITOS MUESTREADOS ALTURA DE LOS ARBOLITOS (en pulgadas) 1 '" ' 1" 1" 1) 1> " '& & 1) - 2 # 1) 1" 3 &) & # & & 1) 1" # % %& ' 2 # 2 2 & ' %- ' 1" ' # 2 2 & '1 ' & ' 2 & & 2 ') ' # 1" 1) ' ' # &1 & ' # 1) 1) & ' - &) & 2 & 1" & # & 10 %' ' 1) 2 2 1) - / <$ A "&)) / + +, -'. 1>' B / , $ 5 , , , >') / B $ , +, -'. MANZANAS NÚMERO DE CASAS NÚMERO DE CASAS MUESTREADAS NÚMERO DE RESIDENTES JUBILADOS POR CASA 1 1% % 1 3 0 0 " 1% % " ) 1 ) 3 - % 3 0 1 1 % 1" % ) ) 1 " ' 1& % > " " ) & 13 % 1 ) > " 1>& &") ? $ , $ ¬ www.FreeLibros.org CAPÍTULO TRECE ALGUNOS MÉTODOS DE MUESTREO 791 1) "). : B ¬ $ ESTABLECIMIENTOS No. DE EMPLEADOS mi ANTIGÜEDAD _ yc s2i PROPIETARIOS DE LA VIVIENDA 1 "' ' #> 1">' " " 30 & '" %"# % 3 "# # &% &'% 3 % ") % 1)& 11") 1 ' "% ' 1"> #>& " & "# & #& %1& 3 2 >& 2 2# &1" ' # %) # 1)% '"& " - %& - 1%> #>' % 10 "# & 1&" 2"# % ] +, -'. ¬ MUESTREO POR FASES MÚLTIPLES / 7 + 5 Muestreo por etapas y por Fases múltiples / primero $ T < < $ K B < 7 7 7 / segundo caso : 7 $ H 5 , 7 7 < sea empleada con frecuencia en los métodos de estimaciones por regresión, para lo cual es necesario el Y , , $ , < 7 ? 7 + ")))) 3 $ + 7 "))) Z 5 bifásico www.FreeLibros.org 792 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO fases o polifásico, la unidad seguirá siendo la misma, en cambio en el Muestreo polietápico la unidad de / 5o polifásico + ? MÉTODOS MIXTOS T A 5 7 , < 7 $ B $ 5 < A N en uno de ellos se realice una muestra aleatoria, en otro una muestra sistemática, en otro la muestra sea 5 B 7 4 o más métodos de muestreo, recibe el nombre de Métodos mixtos www.FreeLibros.org CAPÍTULO UNO CONCEPTOS GENERALES 793 Apéndice CONTENIDO GLOSARIO TABLAS K ®° K K ji 7 4 , NB K @ +, -'. " -'. " --2. > 4 + 7 1. ". >. %. '. 1). < C '). * ? Y != < $ 4 Y != < $ M Y una prueba de una cola en a = 0,001o para C )))" * K ] : + * K , A"E8 A FÓRMULAS ! asimetría y apuntamiento ] $ ] ] B ] www.FreeLibros.org BIBLIOGRAFÍA 794 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO GLOSARIO ABSCISA: / <, AFIJACIÓN: Corresponde al número de elementos asignados en una muestra, cuando + AFIJACIÓN IGUAL: Cuando se asignan igual número de elementos en cada una de las muestras + AFIJACIÓN PROPORCIONAL: Cuando los + $ AFIJACIÓN ÓPTIMA: 8 + cada estrato y en el costo que representa en la 6+ N ² AJUSTE: * a uno de los componentes de una serie tendencia. < A ALEATORIO O AL AZAR: Cuando todos los elementos o unidades que constituyen o conforman [ ®,° B AMPLITUD: K $ $ $ $ 4 5 ® ° ANÁLISIS DE REGRESIÓN: Consiste en A < 5 7 , ANÁLISIS DE VARIANZA: , ] 7 , : 6NZM6 < , , ASIMETRÍA: + que no son simétricas con respecto a la ordenada ®° 7 < 5 < , H 7 < ASOCIACIÓN: / 7 $ ATRIBUTO: : < 5 ® ° el primero los datos se expresan mediante palabras A y en el segundo se expresan en forma numérica www.FreeLibros.org GLOSARIO 795 9 / A CADENA DE RELATIVOS: M BASE: * B 4 5 , T$ + $ BASE FIJA: M + BASE VARIABLE: M = BATERÍA DE PRUEBAS: 45 , en psicología, aplicada para designar un grupo de pruebas a las cuales son sometidos algunos BATERÍA PONDERADA: Corresponde a $ BIAS: / 7 el resultado estadístico, diferente al error 6 5 + BIMODAL: K CADENA DE MARKOFF: /A , 9 llamado como cadena, si el parámetro tiempo = CARACTERÍSTICA: / A ®6° A 5 ® ° CARTOGRAMA: 3 7+ medio de mapas, mediante el cual se presentan los 7+ CATEGORÍA: / + CENSO: : los elementos o unidades que constituyen una M CHI - CUADRADO: !5 basado en la prueba de la bondad de un 7 < $ A 5 7 CLASE: Y, lo tanto cada uno de ellos tendrá limites inferior y superior en cada clase, que algunos denominan como < $ M CLASES EXTREMAS ABIERTAS: Cuando no 7 + $ B $ , $ ! www.FreeLibros.org CLASIFICACIÓN: Algunos lo denominan como K 796 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO + + sola entrada o simple; y de múltiples entradas cuando son más de dos características las que se 7 , COEFICIENTE DE CONCENTRACIÓN: : + [@N@ 1-1" , COEFICIENTE DE CONFIANZA: Medida de +, dentro del cual deberá estar el parámetro con cierto COEFICIENTE DE CORRELACIÓN: K = 5 + */63ZN , 3 $ : 1 ª1 7 * 7 COEFICIENTE DE CORRELACIÓN MÚLTIPLE: 6 B , 3 N A 7 COEFICIENTE DE PARCIAL: / = dependiente, que se explica por cada una de , COEFICIENTE DE CORRELACIÓN DE LOS RANGOS: Fue propuesto por 1-)& $ 5 / B calcular la correspondencia entre ellos, basados COEFICIENTE DE DETERMINACIÓN: 45 + / , 3" , A , A COEFICIENTE DE REGRESIÓN: K = nado como pendiente de la línea, nos determina 7 7 7 que nos da el crecimiento o decrecimiento en la COEFICIENTE DE VARIACIÓN: Medida de típica o estándar por la media aritmética de esa 7 7 H aparecer multiplicado por 100, expresándose 5 ] ³ * 1#-' COEFICIENTE ANGULAR: M + COEFICIENTE DE POSICIÓN: / CA b es el + ´1 y c + ´, es decir, su , COMIENZO AL AZAR: / una muestra sistemática, cuando los datos están $ < de la muestra, como punto de arranque, mediante , M 7 COMPONENTES DE UNA SERIE DE TIEMPO: % 4 M M $ M * C4 M/M:M6H C4 A M/ A M: A M6 $ C 4M/M:M6 www.FreeLibros.org GLOSARIO CONCORDANCIA: * tiene modalidades comparables, estableciendo la < CONGLOMERADO: [ < CONSISTENTE: / 7 7 ? grande (n>) CONTINGENCIA: / $ o esperadas, consignadas en una tabla de CONTROL DE CALIDAD: Método para controlar la calidad de un producto manufacturado es detectar y eliminar alteraciones sistemáticas de CORRECCIÓN AL MUESTREO DE POBLACIONES FINITAS: / 7 +, ? ? n/N $ '. CORRECCIÓN DE YATES: K 5 1->% 7 :<= ®"A"° CORRELACIÓN: / 7 + A 7 ] CORRELACIÓN CURVILÍNEA: /A 6 7 7 B 797 $ CORRELACIÓN DE LOS RANGOS: Mide la de ordenamientos y el grado de correspondencia 8 7 ³ 1-># $ 1-)% CORRELACIÓN DIRECTA: M : + CORRELACIÓN LINEAL: N A , $ = COVARIACIÓN: M 7 COVARIANZA: K = K + 5 $ 5 * 7 CUADRO SIMPLE: + $ Y / A 5 CUARTILES: (Q H Q " a la mediana y el (Q / 3 frecuencia (n % / "'. $ 2'. CUESTIONARIO: [ ? <7 M CURTOSIS: K ®= ° ®< ° ] ³ * 1-)& www.FreeLibros.org 798 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO / > / > 7 denominará mesocúrtica; si es mayor que 3 será B CURVA NORMAL: / 5 + 6 [ £ $ 7 X CURVA DE COMPERTZ: K 5 CURVA DE LORENZ: / 5 7+ / $ DATOS AGRUPADOS: M = DECISIÓN: M ] DECISIÓN ESTADÍSTICA. 8 < <, / <7 <, DEFECTOS ADMISIBLES: / + B admisibles en una muestra, como el número crítico tal que si es excedido, la totalidad restante del lote 7 A <, M NB DEPENDENCIA CAUSAL: : = $ DEPENDENCIA UNILATERAL: / = 9 DESCOMPOSICIÓN DE UNA SERIE DE TIEMPO: * 5 $ : necesariamente está constituida por todos estos DATOS CUALITATIVOS: M 6 DESIGUALDAD DE TCHEBICHEFF – BIENAYME: Obtenida por Bienayme en la mitad 9@9 [ , 4< < M 4 4< < DATOS CUANTITATIVOS: K 5 + características expresadas en forma numérica, B < < DESPLAZAMIENTO CRONOLÓGICO: K DATOS ESTADÍSTICOS: K 5 , DESVIACIÓN: <$ $ + DECILES: Y , DESVIACIÓN ABSOLUTA: M sin considerar el signo de la diferencia entre los $ 5 www.FreeLibros.org GLOSARIO DESVIACIÓN CUARTIL: M K DESVIACIÓN ESTÁNDAR: / 5 , , DESVIACIÓN ESTÁNDAR O TÍPICA: / 7 A / , ,X DESVIACIÓN ESTÁNDAR PORCENTUAL: M + DESVIACIÓN INTERCUARTÍLICA: / <$ Q $ Q 3 1 5 = DESVIACIÓN MEDIA: ! / 5 $ 5 DESVIACIÓN MEDIANA: / 5 $ DIAGRAMA DE BLOQUES. M T DIAGRAMA DE DISPERSIÓN: K H 7+ $ DIAGRAMA DE ÁRBOL: / 7+ que nos permite elaborar un espacio muestral, donde aparecen los puntos muestrales de dos o 7 799 DEVALUACIÓN: / 5 = A DESVALORIZACIÓN: / 5 = DEFLACTAR: : K @NK/963 DIAGRAMAS DE FRECUENCIAS: Son 7+ , DIAGRAMA DE DISPERSIÓN: K 5 ® ° 7+ $ 4 5 B DISTRIBUCIÓN ASIMÉTRICA: M DISTRIBUCIÓN BIDIMENSIONAL: 8 5 $ DISTRIBUCIÓN BIMODAL: K DISTRIBUCIÓN BINOMIAL: 4 5 w w 121> Y, resultados de un experimento conocido también como proceso de Bernoulli, donde cada ensayo www.FreeLibros.org DIAGRAMA PASTEL: Nombre que se le da a 7+ 800 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO DISTRIBUCIÓN CONTINUA: Se dice que una DISTRIBUCIÓN DE BERNOULLI: DISTRIBUCIÓN DE CHI-CUADRADO: 8 5 µ= , T 1#2' $ ³ * 1-)) M :<=: DISTRIBUCIÓN DE FRECUENCIAS: K 5 frecuencias, es una forma de concentrar grandes cantidades en forma resumida donde se muestra B DISTRIBUCIÓN DE POISSON: / ? tiende a cero y además, el número de sucesos es $ ') le considera como un suceso de poca ocurrencia, * 4 5 $ 7 DISTRIBUCIÓN DE PROBABILIDAD: / un listado o resultados que se obtienen de un experimento en condiciones normales, donde las probabilidades obtenidas están asociadas con DISTRIBUCIÓN DE STUDENT: M K t DISTRIBUCIÓN DE LAPLACE: Se la conoce * 8 $ 8 5 8 $ DISTRIBUCIÓN DE UNA VARIABLE: K 5 K Y , DISTRIBUCIÓN F: 4 , , son iguales; la otra, para determinar si tres o más 5 DISTRIBUCIÓN HIPERGEOMÉTRICA: Cuando se desarrolla un experimento, se obtiene como resultado las probabilidades para cada uno de los X éxitos en n ensayos, siendo éstos , < 5 DISTRIBUCIÓN "t": / ® ° 1-#) + 36 ] < 1-'" , < $ +, la media poblacional, cuando no se conoce la $ 7 ? n >) DISTRIBUCIÓN NORMAL: Se le suele [ 8 8 =[ [ =8 8 $ 8 6 K ! DISTRIBUCIÓN T: N 4 T DISTRIBUCIÓN BINOMIAL: Cuando desarrollamos un experimento se obtienen las probabilidades para cada uno de los X éxitos en n $ , www.FreeLibros.org DISTRIBUCIÓN DE MUESTREO: * + , DISTRIBUCIÓN PLURIMODAL: K = 7 GLOSARIO DISTRIBUCIÓN SIMÉTRICA: Cuando los $ / ! ! $ ! 801 AH ENCUESTA POR MUESTREO: 8 cabo mediante el empleo de métodos de muestreo, ENSAYO: / suceso cuya ocurrencia se supone sometida a un * + un experimento controlado, cuyo resultado es de , ECUACIONES NORMALES: Sistema de 5 EMPALME DE NÚMEROS ÍNDICES: / B < <$ necesidad de suspender una serie, por la poca < , < : < , + , ENCUESTA: Y, ENCUESTA DE OPINIÓN: / muestreo, por medio de la cual se intenta conocer < ENCUESTA EXPLORADORA: M / ENCUESTA PILOTO: / ? + H problemas en el cuestionario; tiempo promedio H , ? 7 ENSAYOS A LO BERNOULLI: , moneda, siendo sucesos independientes, con ®5A° 8 5A 7 M w $ K w ENSAYOS INDEPENDIENTES: Cuando la probabilidad del resultado de cualquiera de ellos es independiente de los resultados de los demás, donde la probabilidad es la misma para todos los $ ERROR: 4 / < $ ERROR AJENO AL MUESTREO: / H + H H negligencia del personal en todo el proceso de la 7 + ERROR DE ESTIMACIÓN: / + < $ 7 www.FreeLibros.org ERROR DE INDAGACIÓN: M / 802 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO ERROR DE MUESTREO: * 7 $ 5 ERROR DE OBSERVACIÓN: / surge de imperfecciones en el método para 5 < ERROR DE RESPUESTA: M / ERROR DEL TIPO I: Se presenta en una prueba < <, T ERROR DEL TIPO II: Cuando aceptamos una < ERROR ESTÁNDAR: 3, , ERROR ESTÁNDAR DE UNA ESTIMACIÓN: T , , ERRORES EN LAS ENCUESTAS: Surgen por efectos del muestreo y de otros no relacionados ESPACIO MUESTRAL: / elementos o sucesos posibles que se obtiene en 4 5 + A ESPERANZA MATEMÁTICA: / 7 ESTADÍSTICA: M no necesariamente, como estimados de algún 7 ESTADÍSTICA CHI-CUADRADO: M :<= $ K :<= ESTADÍSTICA DESCRIPTIVA: Métodos, pro , + + 7+ medidas que permiten describir el comportamiento < < ESTEREOGRAMAS: K + + K ESTIMACIÓN: / ESTIMACIÓN DE MARKOFF: / 7 !¨ ESTIMACIÓN POR EL MÉTODO DE REGRESIÓN: / 9 ESTIMACIÓN POR INTERVALO: Son lí +, 7 +, ESTIMACIÓN PUNTUAL: / 7 / 5 , ESTIMADOR: / características de los elementos o unidades en una 6 www.FreeLibros.org ESTIMADOR CONSISTENTE: Al aumentar ? 7 GLOSARIO ESTIMADOR EFICIENTE: + , FRACCIÓN DE MUESTREO: Corresponde al ESTIMADOR INSESGADO: / 7 A FRECUENCIA ABSOLUTA: / B ESTRATIFICACIÓN: : 7 < 5 < 5 ESTRATO: M / + 803 FRECUENCIA ABSOLUTA ACUMULADA: / FRECUENCIA RELATIVA: Corresponde a cada una de las frecuencias absolutas que toma la $ EXPERIMENTO: / + EXPERIMENTO BINOMIAL: 3 Que se tenga un número n de ensayos repetidos; 5A H H 5A + EXPERIMENTOS DE QUETELET: Consiste , , 7 o disminuye la probabilidad, que al principio ·B , le considera como la probabilidad de éxito de un $ FACTOR DE CORRECCIÓN PARA POBLACIONES FINITAS: Se aplica cuando $ '. , N-n / N=1 FACTOR DE EXPANSIÓN: NB A ? ? GRADOS DE LIBERTAD: Corresponde al B / , ®° Student cuando la muestra es n 30 y además no , $ , GRÁFICO CIRCULAR: K ®° GRÁFICO DE BARRAS: / 7+ frecuencias representadas por medio de barras o 7 , * <, GRÁFICO DE CONTROL: 3 7+ empleado para mostrar resultados obtenidos de www.FreeLibros.org 804 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO GRÁFICO LOGARÍTMICO: [7+ $ 7 9 $ GRÁFICO LINEAL: : 7+ GRÁFICO SEMI-LOGARÍTMICO: Forma de 7+ está dado en escala logarítmica y el otro en forma 5 INDEPENDENCIA: K = 5 ÍNDICE: / A términos porcentuales, que se emplea para indicar ÍNDICE AGREGATIVO SIMPLE: / cantidades de un período, por la suma de los precios o cantidades de un período base y luego 1)) HIPÓTESIS ALTERNATIVA: Correspondiente < parámetro sometida a prueba, la cual se considera <, < HIPÓTESIS ESTADÍSTICA: / < 7 HIPÓTESIS NULA: / < se quiere probar, la cual consideramos como 5 < HISTOGRAMA: K por rectángulos de áreas proporcionales a las <, HOMOGENEIDAD: Cuando el grado de ÍNDICE COMPARATIVO DE MORTALIDAD: / considerar como un número índice de la forma ! < = / ²< ! < ÍNDICE DE CANTIDADES: @ en las cantidades de un período con respecto a un ÍNDICE DOW JONES: / grupo industrial que se negocia en la Bolsa de N ¨ ÍNDICE DE LASPEYRES: Se tienen índices de $ / / manteniendo como ponderaciones los precios del ÍNDICE DE DROBISCH – SIDEWICK: / índice es el promedio entre los índices de precios 8 $ $ * < 4 5 calcularse el promedio de los índices de cantidad, 8 $ $ * < www.FreeLibros.org GLOSARIO ÍNDICE DE KEYNES: Se tienen índices de $ / períodos, tomando como ponderaciones las 7 ? H 7 ? ÍNDICE DE VALORES: al período base, multiplicando el resultado por [ ÍNDICE DE FISHER: / 5 , 8 $ $ * < ] @ ] < 1-"2 $ B 5 < INFERENCIA ESTADÍSTICA: Consiste en , ? ÍNDICE DE MARSHAL: Se calculan índices de precios y de cantidad, en los cuales las ponderaciones, corresponden a la suma de los precios (tanto del período base, como del H $ las cantidades como ponderaciones, en el índice ÍNDICE DE PAASCHE: @ en los precios, estando ponderados por las 4 5 están ponderados por los precios del período 805 INSESGO: / reunir un buen estimador, cuando éste es igual al 7 INTERVALOS DE CONFIANZA: Cuando se +, 7 7 +, + <$ INTERVALO DE MUESTREO: Corresponde 7 INTERVALO DE PREDICCIÓN: @ comprendido entre los límites superior e inferior, ÍNDICE DE PARETO: Se le denomina así al + A * * 7 * ÍNDICE DE PRECIOS AL CONSUMIDOR: @*: $ ÍNDICE DE PRECIOS AL PRODUCTOR: @** LEPTOCÚRTICA: Corresponde a las medidas 7 LÍMITES DE CONFIANZA: 8 8 $ 8 +, www.FreeLibros.org LÍMITES DE PROBABILIDAD: 8 806 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO ® 5° ® ° ® 5° LÍNEA DE REGRESIÓN: /A MEDIA ARMÓNICA: 8 de la media aritmética del recíproco de las 5 $ 5 LOTE: 45 , / LOTE DE INSPECCIÓN: 8 , MEDIA CUADRÁTICA: : , cuadrada de la media aritmética de los cuadrados $ 5 MEDIA CÚBICA: / , B 5 7 $ 7 MEDIA GEOMÉTRICA: / , 5 : ésta existe, deberá estar comprendida entre la $ 5 MARCAS DE CLASE: 45 , decir, la mitad entre el límite inferior y el superior MARCO: 8 + con claridad el elemento que pertenece a una /A a cada etapa de muestreo, en un plan de muestreo MARGEN DE ERROR: / $ + +, MEDIA: / 5 , + al promedio aritmético, geométrico, cuadrático, B MEDIA ] ARITMÉTICA: / B + MEDIA MÓVIL: K , , 5 MEDIA PONDERADA: / 5 MEDIA TEÓRICA: K presunta, cuyo origen es arbitrario , N A denominado 7 MEDIA VERDADERA: /A poco empleada, del parámetro o media poblacional, www.FreeLibros.org MEDIANA: / / GLOSARIO $ estructurales, pero no obstante proporcionan MEDIDA CUARTÍLICA DE ASIMETRÍA: / MÉTODO DEL MÁXIMO DE VEROSIMILITUD: !5 , 7 A , A , (Q - Me ª !e - Q 3 1 As = –––––––––– Q3 - Q1 MEDIDA DE ASIMETRÍA DE PEARSON: * * / $ 7 MEDIDA DE POSICIÓN: ! MESOCÚRTICA: / = cuando ella toma la forma correspondiente a la MÉTODO CLÁSICO DE PROBABILIDAD: Consiste en considerar a la probabilidad como el B 5A MÉTODO EMPÍRICO DE PROBABILIDAD: Cuando se sabe la probabilidad de un suceso, sin , A MÉTODO SUBJETIVO: * método de asignar probabilidades con base en el MÉTODO A MANO LIBRE: K 5 ® ,° , serie de tiempo, en el cual la tendencia se estima , / 5 $ , / 807 MÉTODO DE LAS MEDIAS MÓVILES: K MÉTODO DE LOS MÍNIMOS CUADRADOS: + < A la suma de los cuadrados de las diferencias, entre $ MÉTODO DE LOS SEMI-PROMEDIOS: !5 , rápida de una recta, en el cual la serie de tiempo se de ellas contenga un número impar de períodos, calculando la media de cada grupo y su crecimiento o decrecimiento está dado por el promedio de las MÉTODOS NO PARAMÉTRICOS: Cuando no se conoce o no se tiene ningún conocimiento 7 < 5 5 $ aplicado cuando se dispone de datos nominales y MODELO: A MODELO LINEAL: / MODELO MULTIPLICATIVO SERIE DE TIEMPO: Cuando una serie está afectada por 4 M : H M 6 $ M / C 4 A M/ A M: A M6 www.FreeLibros.org MÉTODO DE INFORMACIÓN LIMITADA: No toma en cuenta ciertas restricciones impuestas sobre los parámetros por las ecuaciones 808 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO MODA: [ , 1-#% ³ * ! 7 5 $ MUESTRA: * B MUESTRA ALEATORIA: ! < / MUESTRAS APAREADAS: Cada uno de los datos de una muestra se compara con el dato MUESTRA CON BIAS: / 5 incorpora algún elemento sistemático de error, en < MUESTRA CON SELECCIÓN DIRIGIDA: K las unidades o los elementos son seleccionados , 7 MUESTRA CON ETAPAS MÚLTIPLES: Conocida como muestreo multietápico, muestreo 7+ 7 $ $ < H luego cada unidad seleccionada está compuesta $ , : 7 compuesta por otras unidades permitiendo una < + decir, que contiene elementos que no pertenecen 7 < , MULTICOLINEALIDAD: : 5 <$ MUESTRA DE DOS ETAPAS: K también como muestreo bietápico, cuando de una A $ se extrae de ella otra muestra, teniendo en cuenta MUESTRA ESTRATIFICADA: Cuando la < $ , < 6+ $ MUESTRA NO ALEATORIA: Cuando los <= samente, pudiéramos decir en forma intencional, , 7 MUESTRA POR CUOTAS: Se instruye a cada B determinado de elementos de acuerdo a su criterio personal, con base en unas consideraciones que se < MUESTRA POR FASES: Cuando de una A + , $ A $ MUESTRA SIMPLE: Se dice, cuando las todas iguales y constantes durante el proceso de MUESTRA SISTEMÁTICA: Cuando se aplica algún método sistemático, opuesto a los aleatorios, < www.FreeLibros.org MUESTRA DEFECTUOSA: / cuando tenemos un marco muestral defectuoso es GLOSARIO 809 < MUESTRAS APAREADAS: K elemento de una muestra está apareado con el con respecto a cualidades distintas de aquéllas MUESTRAS INTERPENETRANTES: Cuando 7 < MUESTRAS INDEPENDIENTES: Son muestras que se extraen de dos o más poblaciones, cada una en forma independiente de la otra NIVEL DE CONFIANZA: / A + +, NIVEL DE SIGNIFICACIÓN: / , < ®W° ®° 7 <, < NO PARAMÉTRICO: K 7 MUESTREO CON REEMPLAZAMIENTO: Cuando cada elemento o unidad de muestreo A + $ 5 A NÚMERO ÍNDICE: / A $ MUESTREO MIXTO: Cuando un plan de muestreo supone el uso de dos o más métodos de NÚMERO ÍNDICE DE BASE FIJA: Cuando el período de referencia o base, se mantiene constante 7 MUESTREO POR CONGLOMERADO: Son grupos denominados conglomerados, < 5 < 5 < 7 < < < NÚMERO ÍNDICE DE BASE VARIABLE: + 5 base de cada índice, corresponde al período MUESTREO POR CONVENIENCIA: Se le conoce como muestreo intencional, muestreo a MUESTREO VOLUNTARIO: Cuando el elemento de la muestra, en este caso el informante NÚMERO ÍNDICE DE BASES ENCADENADAS: : $ + con respecto a un período, se encadenan mediante NÚMERO ÍNDICE DE CANTIDADES: Intenta indicar los cambios de las cantidades producidas, 7 independientemente de los cambios en los precios www.FreeLibros.org 810 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO NÚMERO ÍNDICE DE PRECIOS: Intenta 7 independientemente de los cambios en las NÚMERO ÍNDICE PONDERADO: K = 5 * ®+ ° / , representa el peso de importancia dentro del NÚMEROS ALEATORIOS: : B , *30 >). $ 2). PERÍODO BASE: / B corresponde al período que se toma como $ / 5 <$ 7 PERÍODO DADO: Corresponde a un período PERÍODO DE REFERENCIA: / PICTOGRAMA: / 5 7+ + OJIVA: [7+ , $ $ <, PLAN DE MUESTRA: Corresponde a todo el + ? < OSCILACIÓN: Algunos la consideran como 7A $ POBLACIÓN: : + + : B M Y * POBLACIÓN FINITA: * B POBLACIÓN HIPOTÉTICA: * A PARÁMETRO: < a las características de los elementos o unidades, $ POBLACIÓN INFINITA: : B * + < A PERCENTILES: * : * POBLACIÓN NO NORMAL: * www.FreeLibros.org GLOSARIO POLÍGONO DE FRECUENCIAS: K , continua de frecuencias, ubicando las marcas de clase en las abscisas y las frecuencias en la ordenadas, que unidas forman una línea poli PROMEDIOS MÓVILES: / , 5 , 5 $ PONDERACIÓN: * PROMEDIO PONDERADO: Cuando el una tabla de frecuencias, donde cada uno de ellos · POSICIÓN: + PRONÓSTICO: 4 5 ®* ° < < POTENCIA: / <, < 5 < PROYECCIÓN: Al tener una serie de tiempo, se puede estimar su comportamiento futuro A $ 6 < PREDICCIÓN: / permite determinar el comportamiento de una M * PREGUNTAS ABIERTAS: Son preguntas de B * + PREGUNTAS CERRADAS: : tienen dos posibilidades, cuyas respuestas pueden + ® ° PROBABILIDAD: Creencia que se tiene de que algo puede suceder u ocurrir, es un concepto + 5 PROBABILIDAD A PRIORI: 8 , experimento, caso contrario a la probabilidad a PROMEDIO: / * 5 $ 811 5 PRUEBA BILATERAL: + < , <, <, < T PRUEBA UNILATERAL: * , , ® ° ® ° 8 <, T T < 5 ® $° ® ° ® ° PRUEBA DE LA T: K A cuando los datos están dados a escala ordinal y las dos muestras se encuentran relacionadas por PRUEBA DE MANN-WHITNEY: / 5 + determinar las diferencias entre dos poblaciones, teniendo como base el análisis de dos muestras PRUEBA DE RANGOS Y SIGNOS DE WILCOXON: K 5 prueba de rangos y signos de las diferencias entre dos poblaciones, con base en dos muestras www.FreeLibros.org 812 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO 5 , PRUEBA DE H DE KRUSKAL-WALLIS: / 5 , 7 < extraídas de poblaciones que presentan la misma PRUEBA DE SIGNO: * estadísticas no paramétricas la cual nos permite + $ $ , $ PRUEBA DE INDEPENDENCIA: Cuando A sola muestra e interesa probar si un atributo o + PRUEBA DE HOMOGENEIDAD: / A obtienen dos o más categorías, e interesa probar < PRUEBA DE LA BONDAD: + , + <, <5 PRUEBA DE CORRELACIÓN POR RANGOS: K + A $ PUNTO MUESTRAL: / como resultado de un experimento aleatorio en RANGO: / 7A $ 5 ® °H , $ ® ° RANGO INTERCUARTÍLICO: / $ RAZÓN DE MUESTREO: Corresponde a la (f = n/N REDONDEO: 6A B + A REGIÓN CRÍTICA: 4 5 , <, : W, "t" o cualquier otro , 7 <, T T REGIÓN DE ACEPTACIÓN: Cuando la , 7 < REGIÓN CRÍTICA: K 5 ®3 <,° REGLA DE STURGES: 3 , B REGRESIÓN: Y, [ < H <$ , 5 , 7 3 $ www.FreeLibros.org GLOSARIO REGRESIÓN EXPONENCIAL: Se aplica 5 4 5 SERIE CRONOLÓGICA: / 4 5 4 REGRESIÓN LINEAL SIMPLE: / A 7 $ A SERIE DE TIEMPO DESESTACIONALIZADO: Corresponde a aquella serie de tiempo, al < REGRESIÓN MÚLTIPLE: Corresponde a la 7 ® ° RELATIVOS DE CANTIDADES: / $ RELATIVOS DE PRECIOS: / $ REPOSICIÓN: Se emplea el término en el RIESGO: / incumplimiento que se corre en la toma de 813 SIGNIFICACIÓN: Se dice de una prueba + + < A 8 + SELECCIÓN SISTEMÁTICA: 45 / 7 sin embargo el primer elemento es seleccionado , $ 7 7 SESGO: ^ <$ SUAVIZACIÓN: * · , $ SUB-MUESTRA: / 6 B SELECCIÓN AL AZAR: / 5 que cada uno de ellos tengan la misma probabilidad SIMETRÍA: $ 8 normal es simétrica, además, la media, mediana y moda son iguales, ubicándose en el centro de SUB-MUESTREO: / , $ SUCESO: 45 , / $ SUCESOS MUTUAMENTE EXCLUYENTES: K $ probabilidades, cuando dos o más sucesos son tales, que solamente uno de ellos puede ocurrir en $ www.FreeLibros.org 814 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO SUCESOS INDEPENDIENTES: Cuando 7 · 7 K 5 8 $ TASA DE MORTALIDAD: Número de ? SUCESOS DEPENDIENTES: Cuando el tercero dependerá del resultado anterior y TASA DE NATALIDAD: / B ? ? 1))) 5 la H así TASA DE NO RESPUESTA: * personas que son seleccionadas en una encuesta y TABLA DE CONTINGENCIA: / + $ / $ TABLA DE DOS POR DOS: / + $ TABLA DE FRECUENCIAS: / 7 cuadro o tabla donde se muestra la frecuencia que TABLA DE VIDA: Forma de representar el número de personas, que de un número dado de TAMAÑO DE LA MUESTRA: Conocido como ? ® ° B elementos o unidades mínimas que debe tener la TASA DE FERTILIDAD: Número de nacidos A B 5 TASA DE INCIDENCIA: * B $ TENDENCIA: Uno de los cuatro componentes / $ 7 A TENDENCIA CENTRAL: Manera de tendencia a ubicarse en el centro de la TENDENCIA LINEAL: : TENDENCIA RECTILÍNEA: Nombre alterna TEOREMA CENTRAL LÍMITE: Cuando un comportamiento normal y se extraen de ella ? $ >) 7 TEOREMA DE CHEBYSHEV: / , = www.FreeLibros.org TEOREMA DE BAYES: / 5 procedimiento para el cálculo de probabilidades GLOSARIO 815 posteriores, teniendo como base probabilidades a TEORÍA DE JUEGOS: / 7 7 + TOTAL MÓVIL: / 7 B 5 / $ 8 $ > ' 2 " % & VALIDACIÓN: / como una forma de demostrar que los resultados 5 $ A VALOR CRÍTICO: M + < <, < VALOR ESPERADO: 4 5 , 7 5 , VALORES EXTREMOS: Se entiende como $ $ UNIDAD DE MUESTREO: < 5 y simplemente unidad, cuando se puede / $ < UNIDAD ELEMENTAL: / 7 + , UNIDAD MUESTRAL: Se emplea como A algunos casos, como unidad primaria, unidad de UNIMODAL: Forma de describir aquella <$ 7 UNIVERSO: 45 = VARIABLE: : VARIABLE ALEATORIA: Son los resultados que se obtienen de un experimento en condiciones $ VARIABLE ALEATORIA DISCRETA: 4 B + + VARIABLE ALEATORIA CONTINUA: M= 8 VARIABLE DEPENDIENTE: M 5 , Y. VARIACIÓN ESTACIONAL: Otro de los ! ? sin embargo, puede corresponder a períodos más www.FreeLibros.org 816 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO 7 $ +, ? VARIABLE INDEPENDIENTE: 8 , 5 * $ , 9 VARIANZA EXPLICADA: / $ 5 , 7 VARIANZA RESIDUAL: / $ 7 VARIACIÓN CÍCLICA: M con la economía, que comprende períodos de $ / de una serie de tiempo, la longitud del ciclo es K 5 VARIACIÓN ALEATORIA: / componentes de una serie de tiempo, la cual se $E A VARIANZA: ! a la media de los cuadrados de las diferencias $ 5 / ZONA DE ACEPTACIÓN: [ 3 6 , < ZONA DE RECHAZO: [ 3 : 3 3 <, < ZONA DE RIESGO: /A , ? < www.FreeLibros.org GLOSARIO 817 TABLAS TA LA I. REAS A O LA CURVA NORMAL DE PRO A ILIDAD A z z. z z z z 0.90 .91 .92 .93 .94 z0.3159 0 z 0.00 .01 .02 .03 .04 0.0000 .0040 .0080 .0120 .0160 0.30 .31 .32 .33 .34 0.1179 .1217 .1255 .1293 .1331 0.60 .61 .62 .63 .64 0.2258 .2291 .2324 .2357 .2389 .05 .06 .07 .08 .09 .0199 .0239 .0279 .0319 .0359 .35 .36 .37 .38 .39 .1368 .1406 .1443 .1480 .1517 .65 .66 .67 .68 .69 .2422 .2454 .2486 .2518 .2549 .95 .96 .97 .98 .99 .3289 .3315 .3340 .3365 .3389 .10 .11 .12 .13 .14 .0398 .0438 .0478 .0517 .0557 .40 .41 .42 .43 .44 .1554 .1591 .1628 .1664 .1700 .70 .71 .72 .73 .74 .2580 .2612 .2642 .2673 .2704 1.00 1.01 1.02 1.03 1.04 .3413 .3433 .3461 .3485 .3508 .15 .16 .17 .18 .19 .0596 .0636 .0675 .0714 .0754 .45 .46 .47 .48 .49 .1736 .1772 .1808 .1844 .1879 .75 .76 .77 .78 .79 .2734 .2764 .2794 .2823 .2852 1.05 1.06 1.07 1.08 1.09 .3531 .3554 .3577 .3599 .3621 .20 .21 .22 .23 .24 .0793 .0832 .0871 .0910 .0948 .50 .51 .52 .53 .54 .1915 .1950 .1985 .2019 .2054 .80 .81 .82 .83 .84 .2881 .2910 .2939 .2967 .2996 1.10 1.11 1.12 1.13 1.14 .3643 .3665 .3686 .3708 .3729 .25 .26 .27 .28 .29 .0987 .1026 .1064 .1103 .1141 .55 .56 .57 .58 .59 .2088 .2123 .2157 .2190 .2224 .85 .86 .87 .88 .89 .3023 .3051 .3079 .3106 .3133 1.15 1.16 1.17 1.18 1.19 .3749 .3770 .3790 .3810 .3830 !Introduction to probability and statistics"#$ %#& '( ) #*#$#+ .3186 .3212 .3238 .3264 # www.FreeLibros.org 818 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO TA LA I. REAS A O LA CURVA NORMAL DE PRO A ILIDAD ( ontinua i n) z z z z 1.20 1.21 1.22 1.23 1.24 0.3849 .3869 .3888 .3907 .3925 1.55 1.56 1.57 1.58 1.59 0.4394 .4406 .4418 .4430 .4441 1.90 1.91 1.92 1.93 1.94 0.4713 .4719 .4726 .4732 .4738 2.25 2.26 2.27 2.28 2.29 0.4878 .4881 .4884 .4887 .4890 1.25 1.26 1.27 1.28 1.29 .3944 .3962 .3980 .3997 .4015 1.60 1.61 1.62 1.63 1.64 .4452 .4463 .4474 .4485 .4495 1.95 1.96 1.97 1.98 1.99 .4744 .4750 .4756 .4762 .4767 2.30 2.31 2.32 2.33 2.34 .4893 .4896 .4898 .4901 .4904 1.30 1.31 1.32 1.33 1.34 .4032 .4049 .4066 .4082 .4099 1.65 1.66 1.67 1.68 1.69 .4505 .4515 .4525 .4535 .4545 2.00 2.01 2.02 2.03 2.04 .4773 .4778 .4783 .4788 .4793 2.35 2.36 2.37 2.38 2.39 .4906 .4909 .4911 .4913 .4916 1.35 1.36 1.37 1.38 1.39 .4115 .4131 .4147 .4162 .4177 1.70 1.71 1.72 1.73 1.74 .4554 .4564 .4573 .4582 .4591 2.05 2.06 2.07 2.08 2.09 .4798 .4803 .4808 .4812 .4817 2.40 2.41 2.42 2.43 2.44 .4918 .4920 .4922 .4925 .4927 1.40 1.41 1.42 1.43 1.44 .4192 .4207 .4222 .4236 .4251 1.75 1.76 1.77 1.78 1.79 .4599 .4608 .4616 .4625 .4633 2.10 2.11 2.12 2.13 2.14 .4821 .4826 .4830 .4834 .4838 2.45 2.46 2.47 2.48 2.49 .4929 .4931 .4932 .4934 .4936 1.45 1.46 1.47 1.48 1.49 .4265 .4279 .4292 .4306 .4319 1.80 1.81 1.82 1.83 1.84 .4641 .4649 .4656 .4664 .4671 2.15 2.16 2.17 2.18 2.19 .4842 .4846 .4850 .4854 .4857 2.50 2.51 2.52 2.53 2.54 .4938 .4940 .4941 .4943 .4945 1.50 1.51 1.52 1.53 1.54 .4332 .4345 .4357 .4370 .4382 1.85 1.86 1.87 1.88 1.89 .4678 .4686 .4693 .4700 .4706 2.20 2.21 2.22 2.23 2.24 .4861 .4865 .4868 .4871 .4875 2.55 2.56 2.57 2.58 2.59 .4946 .4948 .4949 .4951 .4952 www.FreeLibros.org GLOSARIO TA LA I. 819 REAS A O LA CURVA NORMAL DE PRO A ILIDAD ( ontinua i n) z z z z 2.60 2.61 2.62 2.63 2.64 0.4953 .4955 .4956 .4957 .4959 2.95 2.96 2.97 2.98 2.99 0.4984 .4985 .4985 .4986 .4986 3.30 3.31 3.32 3.33 3.34 0.4995 .4995 .4996 .4996 .4996 3.65 3.66 3.67 3.68 3.69 0.4999 .4999 .4999 .4999 .4999 2.65 2.66 2.67 2.68 2.69 .4960 .4961 .4962 .4963 .4964 3.00 3.01 3.02 3.03 3.04 .4987 .4987 .4987 .4988 .4988 3.35 3.36 3.37 3.38 3.39 .4996 .4996 .4996 .4996 .4997 3.70 3.71 3.72 3.73 3.74 .4999 .4999 .4999 .4999 .4999 2.70 2.71 2.72 2.73 2.74 .4965 .4966 .4967 .4968 .4969 3.05 3.06 3.07 3.08 3.09 .4989 .4989 .4989 .4990 .4990 3.40 3.41 3.42 3.43 3.44 .4997 .4997 .4997 .4997 .4997 3.75 3.76 3.77 3.78 3.79 .4999 .4999 .4999 .4999 .4999 2.75 2.76 2.77 2.78 2.79 .4970 .4971 .4972 .4973 .4974 3.10 3.11 3.12 3.13 3.14 .4990 .4991 .4991 .4991 .4992 3.45 3.46 3.47 3.48 3.49 .4997 .4997 .4997 .4998 .4998 3.80 3.81 3.82 3.83 3.84 .4999 .4999 .4999 .4999 .4999 2.80 2.81 2.82 2.83 2.84 .4974 .4975 .4976 .4977 .4977 3.15 3.16 3.17 3.18 3.19 .4992 .4992 .4992 .4993 .4993 3.50 3.51 3.52 3.53 3.54 .4998 .4998 .4998 .4998 .4998 3.85 3.86 3.87 3.88 3.89 .4999 .4999 .5000 .5000 .5000 2.85 2.86 2.87 2.88 2.89 .4978 .4979 .4980 .4980 .4981 3.20 3.21 3.22 3.23 3.24 .4993 .4993 .4994 .4994 .4994 3.55 3.56 3.57 3.58 3.59 .4998 .4998 .4998 .4998 .4998 2.90 2.91 2.92 2.93 2.94 .4981 .4982 .4983 .4983 .4984 3.25 3.26 3.27 3.28 3.29 .4994 .4994 .4995 .4995 .4995 3.60 3.61 3.62 3.63 3.64 .4998 .4999 .4999 .4999 .4999 www.FreeLibros.org 820 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO TA LA II. DISTRI UCI N t DE STUDENT % - / : ; v#' ; < - ;; =- t > -? ;# 0.50 0.20 0.10 0.05 0.02 0.01 0.005 0.002 0.001 1 2 3 4 5 1.000 0.816 0.765 0.741 0.727 3.078 1.886 1.638 1.533 1.476 6.314 2.920 2.353 2.132 2.015 12.706 4.303 3.182 2.776 2.571 31.821 6.965 4.541 3.747 3.365 63.657 9.925 5.841 4.604 4.032 127.321 14.089 7.453 5.598 4.773 318.309 22.327 10.215 7.173 5.893 636.619 31.599 12.924 8.610 6.869 6 7 8 9 10 0.718 0.711 0.706 0.703 0.700 1.440 1.415 1.397 1.383 1.372 1.943 1.895 1.860 1.833 1.812 2.447 2.365 2.306 2.262 2.228 3.143 2.998 2.896 2.821 2.764 3.707 3.499 3.355 3.250 3.169 4.317 4.029 3.833 3.690 3.581 5.208 4.785 4.501 4.297 4.144 5.959 5.408 5.041 4.781 4.587 11 12 13 14 15 0.697 0.695 0.694 0.692 0.691 1.363 1.356 1.350 1.345 1.341 1.796 1.782 1.771 1.761 1.753 2.201 2.179 2.160 2.145 2.131 2.718 2.681 2.650 2.624 2.602 3.106 3.055 3.012 2.977 2.947 3.497 3.428 3.372 3.326 3.286 4.025 3.930 3.852 3.787 3.733 4.437 4.318 4.221 4.140 4.073 16 17 18 19 20 0.690 0.689 0.688 0.688 0.687 1.337 1.333 1.330 1.328 1.325 1.746 1.740 1.734 1.729 1.725 2.120 2.110 2.101 2.093 2.086 2.583 2.567 2.552 2.539 2.528 2.921 2.898 2.878 2.861 2.845 3.252 3.222 3.197 3.174 3.153 3.686 3.646 3.610 3.579 3.552 4.015 3.965 3.922 3.883 3.850 21 22 23 24 25 0.686 0.686 0.685 0.685 0.684 1.323 1.321 1.319 1.318 1.316 1.721 1.717 1.714 1.711 1.708 2.080 2.074 2.069 2.064 2.060 2.518 2.508 2.500 2.492 2.485 2.831 2.819 2.807 2.797 2.787 3.135 3.119 3.104 3.091 3.078 3.527 3.505 3.485 3.467 3.450 3.819 3.792 3.768 3.745 3.725 26 27 28 29 30 0.684 0.684 0.683 0.683 0.683 1.315 1.314 1.313 1.311 1.310 1.706 1.703 1.701 1.699 1.697 2.056 2.052 2.048 2.045 2.042 2.479 2.473 2.467 2.462 2.457 2.779 2.771 2.763 2.756 2.750 3.067 3.057 3.047 3.038 3.030 3.435 3.421 3.408 3.396 3.385 3.707 3.690 3.674 3.659 3.646 31 32 33 34 35 0.682 0.682 0.682 0.682 0.682 1.309 1.309 1.308 1.307 1.306 1.696 1.694 1.692 1.691 1.690 2.040 2.037 2.035 2.032 2.030 2.453 2.449 2.445 2.441 2.438 2.744 2.738 2.733 2.728 2.724 3.022 3.015 3.008 3.002 2.996 3.375 3.365 3.356 3.348 3.340 3.633 3.622 3.611 3.601 3.591 36 37 38 39 40 0.681 0.681 0.681 0.681 0.681 1.306 1.305 1.304 1.304 1.303 1.688 1.687 1.686 1.685 1.684 2.028 2.026 2.024 2.023 2.021 2.434 2.431 2.429 2.426 2.423 2.719 2.715 2.712 2.708 2.704 2.990 2.985 2.980 2.976 2.971 3.333 3.326 3.319 3.313 3.307 3.582 3.574 3.566 3.558 3.551 www.FreeLibros.org GLOSARIO 821 TA LA II. DISTRI UCI N t DE STUDENT ( ontinua i n) 0.50 0.20 0.10 0.05 0.02 0.01 0.005 0.002 0.001 42 44 46 48 50 0.680 0.680 0.680 0.680 0.679 1.302 1.301 1.300 1.299 1.299 1.682 1.680 1.679 1.677 1.676 2.018 2.015 2.013 2.011 2.009 2.418 2.414 2.410 2.407 2.403 2.698 2.692 2.687 2.682 2.678 2.963 2.956 2.949 2.943 2.937 3.296 3.286 3.277 3.269 3.261 3.538 3.526 3.515 3.505 3.496 52 54 56 58 60 0.679 0.679 0.679 0.679 0.679 1.298 1.297 1.297 1.296 1.296 1.675 1.674 1.673 1.672 1.671 2.007 2.005 2.003 2.002 2.000 2.400 2.397 2.395 2.392 2.390 2.674 2.670 2.667 2.663 2.660 2.932 2.927 2.923 2.918 2.915 3.255 3.248 3.242 3.237 3.232 3.488 3.480 3.473 3.466 3.460 62 64 66 68 70 0.678 0.678 0.678 0.678 0.678 1.295 1.295 1.295 1.294 1.294 1.670 1.669 1.668 1.668 1.667 1.999 1.998 1.997 1.995 1.994 2.388 2.386 2.384 2.382 2.381 2.657 2.655 2.652 2.650 2.648 2.911 2.908 2.904 2.902 2.899 3.227 3.223 3.218 3.214 3.211 3.454 3.449 3.444 3.439 3.435 72 74 76 78 80 0.678 0.678 0.678 0.678 0.678 1.293 1.293 1.293 1.292 1.292 1.666 1.666 1.665 1.665 1.664 1.993 1.993 1.992 1.991 1.990 2.379 2.378 2.376 2.375 2.374 2.646 2.644 2.642 2.640 2.639 2.896 2.894 2.891 2.889 2.887 3.207 3.204 3.201 3.198 3.195 3.431 3.427 3.423 3.420 3.416 90 100 120 140 160 0.677 0.677 0.677 0.676 0.676 1.291 1.290 1.289 1.288 1.287 1.662 1.660 1.658 1.656 1.654 1.987 1.984 1.980 1.977 1.975 2.368 2.364 2.358 2.353 2.350 2.632 2.626 2.617 2.611 2.607 2.878 2.871 2.860 2.852 2.846 3.183 3.174 3.160 3.149 3.142 3.402 3.390 3.373 3.361 3.352 180 200 0.676 0.676 0.6745 1.286 1.286 1.2816 1.653 1.653 1.6449 1.973 1.972 1.9600 2.347 2.345 2.3263 2.603 2.601 2.5758 2.842 2.839 2.8070 3.136 3.131 3.0902 3.345 3.340 3.2905 & @#$#A B&; B $B' ( BCBDEFB #DGBD# www.FreeLibros.org 822 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO TA LA III. DISTRI UCI N INOMIAL P C xn p x q nx n x .05 .10 .15 .20 .25 . 0 . 5 . 0 . 5 .50 1 0 1 .9500 .0500 .9000 .1000 .8500 .1500 .8000 .2000 .7500 .2500 .7000 .3000 .6500 .3500 .6000 .4000 .5500 .4500 .5000 .5000 2 0 1 2 .9025 .0950 .0025 .8100 .1800 .0100 .7225 .2550 .0225 .6400 .3200 .0400 .5625 .3750 .0625 .4900 .4200 .0900 .4225 .4550 .1225 .3600 .4800 .1600 .3025 .4950 .2025 .2500 .5000 .2500 3 0 1 2 3 .8574 .1354 .0071 .0001 .7290 .2430 .0270 .0010 .6141 .3251 .0574 .0034 .5120 .3840 .0960 .0080 .4219 .4219 .1406 .0156 .3430 .4410 .1890 .0270 .2746 .4436 .2389 .0429 .2160 .4320 .2880 .0640 .1664 .4084 .3341 .0911 .1250 .3750 .3750 .1250 4 0 1 2 3 4 .8145 .1715 .0135 .0005 .0000 .6561 .2916 .0486 .0036 .0001 .5220 .3685 .0975 .0115 .0005 .4096 .4096 .1536 .0256 .0016 .3164 .4219 .2109 .0469 .0039 .2401 .4116 .2646 .0756 .0081 .1785 .3845 .3105 .1115 .0150 .1296 .3456 .3456 .1536 .0256 .0915 .2995 .3675 .2005 .0410 .0625 .2500 .3750 .2500 .0625 5 0 1 2 3 4 5 .7738 .2036 .0214 .0011 .0000 .0000 .5905 .3280 .0729 .0081 .0004 .0000 .4437 .3915 .1382 .0244 .0022 .0001 .3277 .4096 .2048 .0512 .0064 .0003 .2373 .3955 .2637 .0879 .0146 .0010 .1681 .3602 .3087 .1323 .0284 .0024 .1160 .3124 .3364 .1811 .0488 .0053 .0778 .2592 .3456 .2304 .0768 .0102 .0503 .2059 .3369 .2757 .1128 .0185 .0312 .1562 .3125 .3125 .1562 .0312 6 0 1 2 3 4 5 6 .7351 .2321 .0305 .0021 .0001 .0000 .0000 .5314 .3543 .0984 .0146 .0012 .0001 .0000 .3771 .3993 .1762 .0415 .0055 .0004 .0000 .2621 .3932 .2458 .0819 .0154 .0015 .0001 .1780 .3560 .2966 .1318 .0330 .0044 .0002 .1176 .3025 .3241 .1852 .0595 .0102 .0007 .0754 .2437 .3280 .2355 .0951 .0205 .0018 .0467 .1866 .3110 .2765 .1382 .0369 .0041 .0277 .1359 .2780 .3032 .1861 .0609 .0083 .0156 .0938 .2344 .3125 .2344 .0938 .0156 .6983 .2573 .0406 .0036 .0002 .0000 .0000 .0000 .4783 .3720 .1240 .0230 .0026 .0002 .0000 .0000 .3206 .3960 .2097 .0617 .0109 .0012 .0001 .0000 .2097 .3670 .2753 .1147 .0287 .0043 .0004 .0000 .1335 .3115 .3115 .1730 .0577 .0115 .0013 .0001 .0824 .2471 .3177 .2269 .0972 .0250 .0036 .0002 .0490 .1848 .2985 .2679 .1442 .0466 .0084 .0006 .0280 .1306 .2613 .2903 .1935 .0774 .0172 .0016 .0152 .0872 .2140 .2918 .2388 .1172 .0320 .0037 .0078 .0547 .1641 7 0 1 2 3 4 5 6 7 .2734 .2734 .1641 .0547 .0078 www.FreeLibros.org GLOSARIO 823 TA LA III. DISTRI UCI N INOMIAL ( ontinua i n) n x .05 .10 .15 .20 .25 . 0 . 5 . 0 . 5 .50 8 0 1 2 3 4 5 6 7 8 .6634 .2793 .0515 .0054 .0004 .0000 .0000 .0000 .0000 .4305 .3825 .1488 .0331 .0046 .0004 .0000 .0000 .0000 .2725 .3847 .2376 .0839 .0185 .0026 .0002 .0000 .0000 .1678 .3355 .2936 .1468 .0459 .0092 .0011 .0001 .0000 .1001 .2670 .3115 .2076 .0865 .0231 .0038 .0004 .0000 .0576 .1977 .2965 .2541 .1361 .0467 .0100 .0012 .0001 .0319 .1373 .2587 .2786 .1875 .0808 .0217 .0033 .0002 .0168 .0896 .2000 .2787 .2322 .1239 .0413 .0079 .0007 .0084 .0548 .1569 .2568 .2627 .1719 .0703 .0164 .0017 .0039 .0312 .1094 .2188 .2734 .2188 .1094 .0312 .0039 9 0 1 2 3 4 5 6 7 8 9 .6302 .2985 .0629 .0077 .0006 .0000 .0000 .0000 .0000 .0000 .3874 .3874 .1722 .0446 .0074 .0008 .0001 .0000 .0000 .0000 .2316 .3679 .2597 .1069 .0283 .0050 .0006 .0000 .0000 .0000 .1342 .3020 .3020 .1762 .0661 .0165 .0028 .0003 .0000 .0000 .0751 .2253 .3003 .2336 .1168 .0389 .0087 .0012 .0001 .0000 .0404 .1556 .2668 .2668 .1715 .0735 .0210 .0039 .0004 .0000 .0207 .1004 .2162 .2716 .2194 .1181 .0421 .0098 .0018 .0001 .0101 .0605 .1612 .2508 .2508 .1672 .0743 .0212 .0035 .0003 .0046 .0339 .1110 .2119 .2600 .2128 .1160 .0407 .0083 .0008 .0020 .0176 .0703 .1641 .2461 .2461 .1641 .0703 .0176 .0020 10 0 1 2 3 4 5 6 7 8 9 10 .5987 .3151 .0746 .0105 .0010 .0001 .0000 .0000 .0000 .0000 .0000 .3487 .3874 .1937 .0574 .0112 .0015 .0001 .0000 .0000 .0000 .0000 .1969 .3474 .2759 .1298 .0401 .0085 .0012 .0001 .0000 .0000 .0000 .1074 .2684 .3020 .2013 .0881 .0264 .0055 .0008 .0001 .0000 .0000 .0563 .1877 .2816 .2503 .1460 .0584 .0162 .0031 .0004 .0000 .0000 .0282 .1211 .2335 .2668 .2001 .1029 .0368 .0090 .0014 .0001 .0000 .0135 .0723 .1757 .2522 .2377 .1536 .0689 .0212 .0043 .0005 .0000 .0060 .0403 .1209 .2150 .2508 .2007 .1115 .0425 .0106 .0016 .0001 .0025 .0207 .0763 .1665 .2384 .2340 .1596 .0746 .0229 .0042 .0003 .0010 .0098 .0439 .1172 .2051 .2461 .2051 .1172 .0439 .0098 .0010 11 0 1 2 3 4 5 6 7 8 9 10 11 .5688 .3293 .0867 .0137 .0014 .0001 .0000 .0000 .0000 .0000 .0000 .0000 .3138 .3835 .2131 .0710 .0158 .0025 .0003 .0000 .0000 .0000 .0000 .0000 .1673 .3248 .2866 .1517 .0536 .0132 .0023 .0003 .0000 .0000 .0000 .0000 .0859 .2362 .2953 .2215 .1107 .0388 .0097 .0017 .0002 .0000 .0000 .0000 .0422 .1549 .2581 .2581 .1721 .0803 .0268 .0064 .0011 .0001 .0000 .0000 .0198 .0932 .1998 .2568 .2201 .1321 .0566 .0173 .0037 .0005 .0000 .0000 .0088 .0518 .1395 .2254 .2428 .1830 .0985 .0379 .0102 .0018 .0002 .0000 .0036 .0266 .0887 .1774 .2365 .2207 .1471 .0701 .0234 .0052 .0007 .0000 .0014 .0125 .0513 .1259 .2060 .2360 .1931 .1128 .0462 .0126 .0021 .0002 .0005 .0054 .0269 .0806 .1611 .2256 .2256 .1611 .0806 .0269 .0054 .0005 www.FreeLibros.org 824 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO TA LA III. DISTRI UCI N INOMIAL ( ontinua i n) n x .05 .10 .15 .20 .25 . 0 . 5 . 0 . 5 .50 12 0 1 2 3 4 5 6 7 8 9 10 11 12 .5404 .3413 .0988 .0173 .0021 .0002 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .2824 .3766 .2301 .0852 .0213 .0038 .0005 .0000 .0000 .0000 .0000 .0000 .0000 .1422 .3012 .2924 .1720 .0683 .0193 .0040 .0006 .0001 .0000 .0000 .0000 .0000 .0687 .2062 .2835 .2362 .1329 .0532 .0155 .0033 .0005 .0001 .0000 .0000 .0000 .0317 .1267 .2323 .2581 .1936 .1032 .0401 .0115 .0024 .0004 .0000 .0000 .0000 .0138 .0712 .1678 .2397 .2311 .1585 .0792 .0291 .0078 .0015 .0002 .0000 .0000 .0057 .0368 .1088 .1954 .2367 .2039 .1281 .0591 .0199 .0048 .0008 .0001 .0000 .0022 .0174 .0639 .1419 .2128 .2270 .1766 .1009 .0420 .0125 .0025 .0003 .0000 .0008 .0075 .0339 .0923 .1700 .2225 .2124 .1489 .0762 .0277 .0068 .0010 .0001 .0002 .0029 .0161 .0537 .1208 .1934 .2256 .1934 .1208 .0537 .0161 .0029 .0002 13 0 1 2 3 4 5 6 7 8 9 10 11 12 13 .5133 .3512 .1109 .0214 .0028 .0003 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .2542 .3672 .2448 .0997 .0277 .0055 .0008 .0001 .0000 .0000 .0000 .0000 .0000 .0000 .1209 .2774 .2937 .1900 .0838 .0266 .0063 .0011 .0001 .0000 .0000 .0000 .0000 .0000 .0550 .1787 .2680 .2457 .1535 .0691 .0230 .0058 .0011 .0001 .0000 .0000 .0000 .0000 .0238 .1029 .2059 .2517 .2097 .1258 .0559 .0186 .0047 .0009 .0001 .0000 .0000 .0000 .0097 .0540 .1388 .2181 .2337 .1803 .1030 .0442 .0142 .0034 .0006 .0001 .0000 .0000 .0037 .0259 .0836 .1651 .2222 .2154 .1546 .0833 .0336 .0101 .0022 .0005 .0000 .0000 .0013 .0113 .0453 .1107 .1845 .2214 .1968 .1312 .0656 .0243 .0065 .0012 .0001 .0000 .0004 .0045 .0220 .0660 .1350 .1989 .2169 .1775 .1089 .0495 .0162 .0036 .0005 .0000 .0001 .0016 .0095 .0349 .0873 .1571 .2095 .2095 .1571 .0873 .0349 .0095 .0016 .0001 14 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 .4877 .3593 .1229 .0259 .0037 .0004 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .2288 .3559 .2570 .1142 .0348 .0078 .0013 .0002 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .1028 .2539 .2912 .2056 .0998 .0352 .0093 .0019 .0003 .0000 .0000 .0000 .0000 .0000 .0000 .0440 .1539 .2501 .2501 .1720 .0860 .0322 .0092 .0020 .0003 .0000 .0000 .0000 .0000 .0000 .0178 .0832 .1802 .2402 .2202 .1468 .0734 .0280 .0082 .0018 .0003 .0000 .0000 .0000 .0000 .0068 .0407 .1134 .1943 .2290 .1963 .1262 .0618 .0232 .0066 .0014 .0002 .0000 .0000 .0000 .0024 .0181 .0634 .1366 .2022 .2178 .1759 .1082 .0510 .0183 .0049 .0010 .0001 .0000 .0000 .0008 .0073 .0317 .0845 .1549 .2066 .2066 .1574 .0918 .0408 .0136 .0033 .0005 .0001 .0000 .0002 .0027 .0141 .0462 .1040 .1701 .2088 .1952 .1398 .0762 .0312 .0093 .0019 .0002 .0000 .0001 .0009 .0056 .0222 .0611 .1222 .1833 .2095 .1833 .1222 .0611 .0222 .0056 .0009 .0001 www.FreeLibros.org GLOSARIO 825 TA LA III. DISTRI UCI N INOMIAL ( ontinua i n) n x .05 .10 .15 .20 .25 . 0 . 5 . 0 . 5 .50 15 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 .4633 .3658 .1348 .0307 .0049 .0006 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .2059 .3432 .2669 .1285 .0428 .0105 .0019 .0003 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0874 .2312 .2856 .2184 .1156 .0449 .0132 .0030 .0005 .0001 .0000 .0000 .0000 .0000 .0000 .0000 .0352 .1319 .2309 .2501 .1876 .1032 .0430 .0138 .0035 .0007 .0001 .0000 .0000 .0000 .0000 .0000 .0134 .0668 .1559 .2252 .2252 .1651 .0917 .0393 .0131 .0034 .0007 .0001 .0000 .0000 .0000 .0000 .0047 .0305 .0916 .1700 .2186 .2061 .1472 .0811 .0348 .0116 .0030 .0006 .0001 .0000 .0000 .0000 .0016 .0126 .0476 .1110 .1792 .2123 .1906 .1319 .0710 .0298 .0096 .0024 .0004 .0001 .0000 .0000 .0005 .0047 .0219 .0634 .1268 .1859 .2066 .1771 .1181 .0612 .0245 .0074 .0016 .0003 .0000 .0000 .0001 .0016 .0090 .0318 .0780 .1404 .1914 .2013 .1647 .1048 .0515 .0191 .0052 .0010 .0001 .0000 .0000 .0005 .0032 .0139 .0417 .0916 .1527 .1964 .1964 .1527 .0916 .0417 .0139 .0032 .0005 .0000 16 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 .4401 .3706 .1463 .0359 .0061 .0008 .0001 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .1853 .3294 .2745 .1423 .0514 .0137 .0028 .0004 .0001 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0743 .2097 .2775 .2285 .1311 .0555 .0180 .0045 .0009 .0001 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0281 .1126 .2111 .2463 .2001 .1201 .0550 .0197 .0055 .0012 .0002 .0000 .0000 .0000 .0000 .0000 .0000 .0100 .0535 .1336 .2079 .2252 .1802 .1101 .0524 .0197 .0058 .0014 .0002 .0000 .0000 .0000 .0000 .0000 .0033 .0228 .0732 .1465 .2040 .2099 .1649 .1010 .0487 .0185 .0056 .0013 .0002 .0000 .0000 .0000 .0000 .0010 .0087 .0353 .0888 .1553 .2008 .1982 .1524 .0923 .0442 .0167 .0049 .0011 .0002 .0000 .0000 .0000 .0003 .0030 .0150 .0468 .1014 .1623 .1983 .1889 .1417 .0840 .0392 .0142 .0040 .0008 .0001 .0000 .0000 .0001 .0009 .0056 .0215 .0572 .1123 .1684 .1969 .1812 .1318 .0755 .0337 .0115 .0029 .0005 .0001 .0000 .0000 .0002 .0018 .0085 .0278 .0667 .1222 .1746 .1964 .1746 .1222 .0667 .0278 .0085 .0018 .0002 .0000 17 0 1 2 3 4 5 6 .4181 .3741 .1575 .0415 .0076 .0010 .0001 .1668 .3150 .2800 .1556 .0605 .0175 .0039 .0631 .1893 .2673 .2359 .1457 .0668 .0236 .0225 .0957 .1914 .2393 .2093 .1361 .0680 .0075 .0426 .1136 .1893 .2209 .1914 .1276 .0023 .0169 .0581 .1245 .1868 .2081 .1784 .0007 .0060 .0260 .0701 .1320 .1849 .1991 .0002 .0019 .0102 .0341 .0796 .1379 .1839 .0000 .0005 .0035 .0144 .0411 .0875 .1432 .0000 .0001 .0010 .0052 .0182 .0472 .0944 www.FreeLibros.org 826 CIRO MARTÍNEZ BENCARDINO ESTADÍSTICA Y MUESTREO TA LA III. DISTRI UCI N INOMIAL ( ontinua i n) n x .05 .10 .15 .20 .25 . 0 . 5 . 0 . 5 .50 17 7 8 9 10 11 12 13 14 15 16 17 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0007 .0001 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0065 .0014 .0003 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0267 .0084 .0021 .0004 .0001 .0000 .0000 .0000 .0000 .0000 .0000 .0668 .0279 .0093 .0025 .0005 .0001 .0000 .0000 .0000 .0000 .0000 .1201 .0644 .0276 .0095 .0026 .0006 .0001 .0000 .0000 .0000 .0000 .1685 .1134 .0611 .0263 .0090 .0024 .0005 .0001 .0000 .0000 .0000 .1927 .1606 .1070 .0571 .0242 .0081 .0021 .0004 .0001 .0000 .0000 .1841 .1883 .1540 .1008 .0525 .0215 .0068 .0016 .0003 .0000 .0000 .1484 .1855 .1855 .1484 .0944 .0472 .0182 .0052 .0010 .0001 .0000 18 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 .3972 .3763 .1683 .0473 .0093 .0014 .0002 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .1501 .3002 .2835 .1680 .0700 .0218 .0052 .0010 .0002 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0536 .1704 .2556 .2406 .1592 .0787 .0301 .0091 .0022 .0004 .0001 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0180 .0811 .1723 .2297 .2153 .1507 .0816 .0350 .0120 .0033 .0008 .0001 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0056 .0338 .0958 .1704 .2130 .1988 .1436 .0820 .0376 .0139 .0042 .0010 .0002 .0000 .0000 .0000 .0000 .0000 .0000 .0016 .0126 .0458 .1046 .1681 .2017 .1873 .1376 .0811 .0386 .0149 .0046 .0012 .0002 .0000 .0000 .0000 .0000 .0000 .0004 .0042 .0190 .0547 .1104 .1664 .1941 .1792 .1327 .0794 .0385 .0151 .0047 .0012 .0002 .0000 .0000 .0000 .0000 .0001 .0012 .0069 .0246 .0614 .1146 .1655 .1892 .1734 .1284 .0771 .0374 .0145 .0045 .0011 .0002 .0000 .0000 .0000 .0000 .0003 .0022 .0095 .0291 .0666 .1181 .1657 .1864 .1694 .1248 .0742 .0354 .0134 .0039 .0009 .0001 .0000 .0000 .0000 .0001 .0006 .0031 .0117 .0327 .0708 .1214 .1669 .1855 .1669 .1214 .0708 .0327 .0117 .0031 .0006 .0001 .0000 19 0 1 2 3 4 5 6 7 8 9 .3774 .3774 .1787 .0533 .0112 .0018 .0002 .0000 .0000 .0000 .1351 .2852 .2852 .1796 .0798 .0266 .0069 .0014 .0002 .0000 .0456 .1529 .2428 .2428 .1714 .0907 .0374 .0122 .0032 .0007 .0144 .0685 .1540 .2182 .2182 .1636 .0955 .0443 .0166 .0051 .0042 .0268 .0803 .1517 .2023 .2023 .1574 .0974 .0487 .0198 .0011 .0093 .0358 .0869 .1491 .1916 .1916 .1525 .0981 .0514 .0003 .0029 .0138 .0422 .0909 .1468 .1844 .1844 .1489 .0980 .0001 .0008 .0046 .0175 .0467 .0933 .1451 .1797 .1797 .1464 .0000 .0002 .0013 .0062 .0203 .0497 .0949 .1443 .1771 .1771 .0000 .0000 .0003 .0018 .0074 .0222 .0518 .0961 .1462 .1762 www.FreeLibros.org GLOSARIO 827 TA LA III. DISTRI UCI N INOMIAL ( ontinua i n) n x .05 .10 .15 .20 .25 . 0 . 5 . 0 . 5 .50 19 10 11 12 13 14 15 16 17 18 19 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0001 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0013 .0003 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0066 .0018 .0004 .0001 .0000 .0000 .0000 .0000 .0000 .0000 .0220 .0077 .0022 .0005 .0001 .0000 .0000 .0000 .0000 .0000 .0528 .0233 .0083 .0024 .0006 .0001 .0000 .0000 .0000 .0000 .0976 .0532 .0237 .0085 .0024 .0005 .0001 .0000 .0000 .0000 .1449 .0970 .0529 .0233 .0082 .0022 .0005 .0001 .0000 .0000 .1762 .1462 .0961 .0518 .0222 .0074 .0018 .0003 .0000 .0000 20 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 .3585 .3774 .1887 .0596 .0133 .0022 .0003 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .1216 .2702 .2852 .1901 .0898 .0319 .0089 .0020 .0004 .0001 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0388 .1368 .2293 .2428 .1821 .1028 .0454 .0160 .0046 .0011 .0002 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0115 .0576 .1369 .2054 .2182 .1746 .1091 .0545 .0222 .0074 .0020 .0005 .0001 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0032 .0211 .0669 .1339 .1897 .2023 .1686 .1124 .0609 .0271 .0099 .0030 .0008 .0002 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0008 .0068 .0278 .0716 .1304 .1789 .1916 .1643 .1144 .0654 .0308 .0120 .0039 .0010 .0002 .0000 .0000 .0000 .0000 .0000 .0000 .0002 .0020 .0100 .0323 .0738 .1272 .1712 .1844 .1614 .1158 .0686 .0336

Log In

Estadística y muestreo

Related papers

Related papers